read.csv() 把 CSV 文件变成数据框
在 R 中读取 CSV 只需要调用一个函数，它内置在语言中，不需要任何包：
sales <- read.csv("sales.csv")
read.csv() 读取文件，把第一行作为列名，为每一列推断类型，然后返回一个数据框。对于格式规范的文件，这就是全部了。
你甚至不需要任何文件就能看到它的效果，因为 read.csv() 也可以通过 text 参数接受原始 CSV 文本，解析器还是同一个，只是传入的是字符串而不是文件名：
导入任何数据后，第一件事就是运行 str()：它会显示每一列以及推断出的类型。这里 name 被读成字符型，score 是整数，passed 是逻辑型，全都是根据值推断出来的。想快速看一眼，head(students) 会显示前几行，nrow(students) 会统计行数。如果你以为是数值的列显示成了 chr，说明那一列里有不是数字的东西：一条多余的注释、一个 "N/A"、一个千位分隔符。这时就该修复它，而不是等到画了三张图之后。
真正重要的参数
read.csv() 有几十个参数，你会用到的大约只有五个。
header：第一行是否是列名，默认为 TRUE。如果你的文件一开始就是数据，传入 header = FALSE，R 会把列命名为 V1、V2……
sep：字段分隔符，默认为 ","。欧洲很多地方写 CSV 时用分号作分隔符，因为逗号在那里是小数点。R 正好为此提供了一个预先配置好的版本：read.csv2() 使用 sep = ";" 和 dec = ","：
身高被正确地读成了数字，read.csv2 知道 1,63 的意思是 1.63。如果对这个文件用普通的 read.csv，你会得到一个乱掉的列，因为把小数点逗号当作分隔符来拆分，怎么拆都不对。
na.strings：哪些字符串算作缺失值。默认只有 "NA" 会变成缺失值。实际导出的数据会把缺失值写成空单元格、"missing"、"-"、"NULL"，除非你声明它们，否则它们会作为文本读进来，把整列都拖成字符型：
设置了正确的 na.strings，空值就变成了真正的 NA，score 保持数值型。不设置的话，"missing" 只是一个单词，整列都变成了文本。
skip：数据开始之前要忽略的行数。导出文件很喜欢在真正的表格上方放一两行标题；skip = 2 就能跳过它们。
colClasses：强制指定列的类型，而不是让 R 去猜。最典型的受害者是带前导零的数据，邮编、电话号码、产品 ID，R 的类型推断会把它们读成数字，零就没了：
00501 变成了 501。文件中的数据是对的，到了 R 里却悄悄地错了。colClasses = c("integer", "character") 按顺序告诉解析器每一列是什么类型，零就保住了。
有一个参数你已经不需要了：stringsAsFactors。在 R 的大部分历史中，除非你另外指定，read.csv() 都会把每个文本列转换成因子，这造成了大量的困惑。从 R 4.0 起，默认值变成了 FALSE，文本就保持为文本。在一些老教程里你仍然会到处看到 stringsAsFactors = FALSE；在当前版本的 R 中，它无害，但多余。
文件路径：read.csv 失败的头号原因
每个 R 学习者第一周都会遇到的错误：
Error in file(file, "rt") : cannot open the connection
In addition: Warning message:
cannot open file 'sales.csv': No such file or directory
文件明明存在，你就在文件管理器里看着它。但 R 并不在那里找。像 "sales.csv" 这样单独的文件名，是相对于 R 的工作目录来解析的，而工作目录通常不是你的文件所在的文件夹。两行代码就能诊断出来：
getwd() # where R is actually looking
file.exists("sales.csv") # FALSE means the path is wrong, full stop
如果 file.exists() 返回 FALSE，再怎么重新运行也没用，去改路径。要么给出完整路径（read.csv("C:/Users/ada/data/sales.csv")，正斜杠在 Windows 上也能用，而且比反斜杠更安全），要么用 setwd() 把 R 的工作目录切换到数据文件夹。工作目录是什么、项目如何管理它，以及为什么不提倡在脚本里用 setwd()，详见工作目录。
把 file.exists() 变成条件反射。它能在一秒钟内把“神秘的导入失败”变成“路径里有个拼写错误”。
直接从 URL 读取 CSV
凡是能用文件名的地方，read.csv() 都能用 URL，它会帮你下载文件：
url <- "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/penguins.csv"
penguins <- read.csv(url)
str(penguins)
这对教程和公开数据集很方便：不需要下载步骤，也没有路径问题。代价是你的脚本现在依赖网络，也依赖这个 URL 一直有效；对于需要经常重新运行的脚本，下载一次，然后读取本地副本。
readr::read_csv：更快、话更多的替代方案
tidyverse 在 readr 包中提供了自己的 CSV 读取函数：read_csv()（是下划线，不是点）。值得了解它，因为你会读到的大多数现代 R 代码都用它：
install.packages("readr") # once
library(readr) # every session
flights <- read_csv("flights.csv")
和 read.csv() 相比，实际的区别有：
- 速度：处理几十万行的文件时明显更快。
- 返回 tibble：一种现代化的数据框，打印时只显示紧凑的预览，而不会刷满整个控制台。
- 会报告它的推断：读取后，它会打印每一列检测到的类型，所以如果某一列被解析成了字符型，而你期望的是数字，你立刻就能看到，而不是之后才吃惊。
- 从不改动列名：
read.csv()会把first name这样的表头改写成first.name；read_csv()则原样保留。
小文件用哪个函数都可以。当文件变大，或者脚本的其余部分本来就用 tidyverse 时，就用 read_csv()。上面讲到的路径、分隔符（也有 read_csv2()）和缺失值字符串（na =），在这里同样适用，只是参数名略有不同。
分析完成后，把结果导出到文件的反向操作见 write.csv。
要点回顾
df <- read.csv("file.csv")把 CSV 读入数据框；读完立刻用str()和head()检查。read.csv(text = "...")直接解析 CSV 字符串，非常适合做实验和小示例。- 真正有用的参数：
header、sep（分号分隔就用read.csv2）、na.strings、skip、colClasses。 - “Cannot open file” 意味着工作目录不在你以为的地方，
getwd()和file.exists()能立刻搞清楚。 readr::read_csv()是更快的 tidyverse 版本：返回 tibble，报告列类型，不改动列名。
下一篇：根本不是纯文本的文件，用 readxl 包读取 Excel 电子表格。
常见问题
R 中怎么读取 CSV 文件？
用 read.csv("file.csv")，它是内置的，不需要任何包。它返回一个数据框，CSV 的每一列对应一列，第一行作为列名。把结果赋给一个变量：df <- read.csv("sales.csv")，然后用 str(df) 和 head(df) 检查一下。
为什么 read.csv 报错 “cannot open file: No such file or directory”？
R 是相对于它的工作目录来查找文件的，而工作目录很可能不是你的文件所在的文件夹。运行 getwd() 看看 R 在哪里找，再用 file.exists("file.csv") 确认确实找不到。解决办法是使用完整路径，或者把工作目录设置为文件所在的文件夹。
R 中 read.csv 和 read_csv 有什么区别？
read.csv() 属于基础 R，随时可用，返回普通的数据框。read_csv() 来自 readr 包：处理大文件更快，返回 tibble，从不改动你的列名，还会打印它推断出的列类型，让你能立刻发现解析错误。小文件用哪个都行；大文件或 tidyverse 流程中，用 read_csv()。
R 中怎么读取用分号分隔的 CSV？
用 read.csv2("file.csv")，它就是按欧洲习惯预先配置好的 read.csv：分号作为分隔符，逗号作为小数点。也可以给普通的 read.csv() 传入 sep = ";"（需要时再加上 dec = ","）。
