Запись данных в файлы в R (write.csv, saveRDS)

write.csv() экспортирует датафрейм

Вытащить датафрейм из R в файл, который смогут открыть другие программы, — это один вызов:

write.csv(df, "results.csv", row.names = FALSE)

Вот строка, которую стоит запомнить, включая row.names = FALSE, который мы обоснуем чуть ниже. Первый аргумент — датафрейм, второй — имя файла, а функция ничего не возвращает: вся её работа — побочный эффект создания файла.

Увидеть, что именно производит write.csv(), можно, не трогая диск, потому что она принимает любое соединение там, где ждёт имя файла, — включая stdout(), который просто печатает:

df <- data.frame(
    name = c("Ada", "Grace"),
    score = c(92, 88)
)

write.csv(df, stdout(), row.names = FALSE)

Вот ваш CSV: строка заголовка, по строке на запись, текстовые значения в кавычках, числа голыми. (Кавычки — это quote = TRUE по умолчанию; любой распространённый ридер CSV с этим справляется, так что не трогайте.) Запись в настоящий файл — тот же вызов с "results.csv" вместо stdout().

Почему row.names = FALSE должен быть вашим умолчанием

У каждого датафрейма есть имена строк — обычно просто числа 1, 2, 3... — и по умолчанию write.csv() записывает их в файл дополнительным первым столбцом с пустым заголовком. Посмотрите, как выглядит вывод по умолчанию и что происходит, когда этот файл совершает обратный путь в R:

df <- data.frame(
    name = c("Ada", "Grace"),
    score = c(92, 88)
)

write.csv(df, stdout())

round_trip <- read.csv(text = '"","name","score"
"1","Ada",92
"2","Grace",88')

print(names(round_trip))
print(round_trip)

Экспорт обзавёлся безымянным первым столбцом со значениями "1", "2", а при обратном импорте read.csv() пришлось как-то его назвать, и она изобрела X. Это и есть загадочный столбец X, озадачивающий каждого новичка: это не данные, это нумерация строк R, просачивающаяся в ваш файл. Проделайте так несколько циклов экспорта и импорта — и накопите X, X.1, X.2...

Имена строк почти никогда не несут настоящей информации, а когда несут, эта информация всё равно принадлежит нормальному столбцу. Так что доведите row.names = FALSE до рефлекса. Пожалуй, это и должно было быть значением по умолчанию; но не стало, из соображений обратной совместимости, поэтому привычка на вас.

Куда попадает файл

write.csv(df, "results.csv") пишет в рабочий каталог R, и если это не то место, где вы ожидали, файл будто исчезает. Он не потерялся; он просто лежит в той папке, которую печатает getwd(). Это та же ловушка, что и при чтении, только в зеркальном отражении, и разрешают её те же два инструмента:

getwd()                          # the folder your file went to
write.csv(df, "C:/Users/ada/results/out.csv", row.names = FALSE)   # or: remove all doubt

Полные пути (прямые слеши работают на всех платформах, включая Windows) делают скрипты однозначными. Как задаётся рабочий каталог и как им управлять, разобрано в статье про рабочий каталог.

write.table() для других разделителей — и вопрос о дозаписи

write.csv() на самом деле тонкая обёртка над универсальной write.table(), преднастроенной под запятые. Вызывайте write.table() напрямую, когда нужна другая форма, — чаще всего разделение табуляцией:

df <- data.frame(
    name = c("Ada", "Grace"),
    score = c(92, 88)
)

write.table(df, stdout(), sep = "\t", row.names = FALSE, quote = FALSE)

Разделение табуляцией, без кавычек — формат, который предпочитают многие инструменты дальше по цепочке. Обратите внимание, что в write.table() вы задаёте всё явно: она не наследует запятую и кавычки из умолчаний write.csv.

Одного write.csv() делать отказывается — дозаписи: передача append = TRUE даст вам предупреждение о том, что настройка проигнорирована, потому что дозапись переписала бы строку заголовка в середину файла. Если вам действительно нужно добавлять строки в существующий CSV — скажем, вести журнал результатов по запускам, — спуститесь к write.table() и подавите заголовок сами:

write.table(new_rows, "log.csv", sep = ",",
            append = TRUE, col.names = FALSE, row.names = FALSE)

А если вы в tidyverse, readr::write_csv(df, "out.csv") — двойник read_csv(): тот же вывод, быстрее на больших фреймах, и она вообще никогда не пишет имена строк — одним аргументом меньше держать в голове.

saveRDS() и readRDS(): точный полный цикл

CSV — формат с потерями. Он хранит текст, и точка: столбец Date становится строкой "2026-08-07", фактор становится своими метками с потерянным порядком уровней, атрибуты исчезают, а каждый тип приходится заново угадывать при импорте (обычно верно, иногда нет — ведущие нули, это про вас). И CSV может держать только одну прямоугольную таблицу: у подогнанной модели, списка или матрицы с dimnames нет никакого представления в CSV.

Когда файл предназначен для R — сохранить сегодняшние очищенные данные для завтрашней сессии, — пропускайте текстовые форматы целиком:

saveRDS(df, "clean_data.rds")        # today

df <- readRDS("clean_data.rds")      # tomorrow: identical object, types intact

saveRDS() сериализует один объект R, любой объект, в точности. readRDS() возвращает его байт в байт: факторы сохраняют уровни, даты остаются датами, ничего не угадывается заново. Она работает на чём угодно — на датафрейме, на списке датафреймов, на подогнанной регрессионной модели. Файл .rds — сжатый двоичный, поэтому обычно он ещё и меньше CSV. Единственная плата в том, что открыть его не может ничто, кроме R, — и именно поэтому правило большого пальца таково: CSV — чтобы делиться с людьми и другими инструментами, RDS — чтобы сохранить для себя.

save() и load() — и почему RDS обычно выигрывает

Вам встретится и более старая пара. save() записывает несколько именованных объектов в один файл .RData, а load() восстанавливает их в ваше рабочее пространство под исходными именами:

save(df, model, params, file = "session.RData")
load("session.RData")    # df, model, params silently appear

Это удобство и является проблемой. Имена переменных выбирает load(), а не вы: он вслепую подсаживает объекты в ваше окружение, молча затирая всё, что уже носило эти имена. Через полгода никто не вспомнит, что вообще содержится в session.RData, не загрузив его, чтобы это выяснить.

У readRDS() честный интерфейс: имя выбираете вы (df <- readRDS(...)), ничто не затирается за вашей спиной, и один файл означает один объект. Если только вам специально не нужно упаковать несколько объектов в один файл, предпочитайте RDS. (А если пакет всё же нужен, положите объекты в именованный список и сохраните список через saveRDS() — получите тот же эффект без всяких сюрпризов.)

Что вы уносите с собой

• write.csv(df, "out.csv", row.names = FALSE) — весь экспорт, и да, row.names = FALSE всегда.
• Загадочный столбец X при обратном импорте — это имена строк, просочившиеся в файл; умолчание их записало, а вам не следует.
• Файлы попадают в рабочий каталог — getwd() находит «потерянные» экспорты, полные пути их предотвращают.
• write.table() умеет другие разделители и (с col.names = FALSE) настоящую дозапись; write.csv() намеренно дозаписывать не может.
• saveRDS() / readRDS() точно сохраняют и восстанавливают любой объект R — типы, факторы, атрибуты целы. CSV — чтобы делиться, RDS — для себя.
• Предпочитайте RDS вместо save()/load(): явные имена, никаких молчаливых перезаписей.

Дальше: тип данных, который заслуживает отдельной страницы, прежде чем укусит вас при импорте, — даты.