R 语言读取 Excel 文件（readxl）

R 需要一个包才能读取 Excel 文件

基础 R 开箱就能读取纯文本格式，但 .xlsx 不是文本，它是一个压缩打包的 XML，而在它之前的 .xls 是二进制格式。R 并没有一个内置的 read.xlsx() 等着你用。要打开 Excel 文件，你需要安装一个包，标准选择是 readxl：它能读取 .xlsx 和 .xls，没有任何外部依赖（不需要 Java，也不需要安装 Excel），专心把一件事做好。

install.packages("readxl")   # once per machine
library(readxl)              # once per session

本页的代码片段需要在本地安装 readxl，所以以静态代码而不是可运行代码块的形式展示，请在你自己的 R 会话中运行。如果你还不熟悉包，简单来说：install.packages() 下载一次，library() 在每次启动 R 时加载。

read_excel()：基础用法

一次调用就能把工作簿的第一个工作表读入 R：

library(readxl)

sales <- read_excel("sales.xlsx")
head(sales)
str(sales)

和任何导入一样的习惯：用 str() 检查每一列的类型，用 head() 看一眼前几行。如果找不到文件，原因几乎总是工作目录，file.exists("sales.xlsx") 一秒钟就能告诉你，解决办法和 CSV 文件一样：使用完整路径，或者把工作目录设置为文件所在的文件夹。

返回的是一个 tibble，也就是 tidyverse 版的数据框。对于初学者会做的所有事情，它的行为和数据框完全一样（它就是数据框，只是多了些功能）：$ 提取列，nrow() 统计行数，它也能直接交给 dplyr 动词处理。看得到的区别只是外观上的，而且更友好：它只打印前十行，并在列名下方显示列类型，而不是把所有内容一股脑地倒出来。如果某个老函数坚持要普通的数据框，用 as.data.frame(sales) 转换一下就行。

选择工作表、区域，跳过无用内容

真实的工作簿很少是一张从 A1 单元格开始的干净表格。readxl 的参数能处理常见的混乱情况。

有哪些工作表？ 读之前先问：

excel_sheets("report.xlsx")
# [1] "Summary"  "Q1"  "Q2"  "Q3"  "Raw data"

sheet = 按名字或位置选择一个工作表：

q3 <- read_excel("report.xlsx", sheet = "Q3")
raw <- read_excel("report.xlsx", sheet = 5)

优先用名字：一旦有人调整了标签页的顺序，sheet = 5 就会悄悄地读错工作表。

range = 用 Excel 自己的表示法读取一个精确的矩形区域。要跳过表格周围的 logo 行、标题行和零散的备注，这是最干净的办法：

budget <- read_excel("budget.xlsx", range = "B4:E20")
budget <- read_excel("budget.xlsx", sheet = "Plan", range = "B4:E20")

skip = 和 col_names = 是更宽松的替代方案，适合你知道数据上方有几行无用内容、但不知道数据在哪里结束的情况：

# Data starts after 3 title rows, first real row is the header:
df <- read_excel("export.xlsx", skip = 3)

# No header row at all - supply names yourself:
df <- read_excel("export.xlsx", col_names = c("id", "region", "amount"))

col_names = TRUE（默认值）把第一行作为列名；FALSE 会生成 ...1、...2，并把第一行当作数据。

写出 Excel 需要另一个包

readxl 在设计上就是只读的。当同事想要你的结果以电子表格的形式交付时，最快的办法是 writexl，一行代码，没有任何依赖：

install.packages("writexl")
writexl::write_xlsx(results, "results.xlsx")

如果你需要的不只是原始值，比如加粗的表头、冻结窗格、单元格颜色、一个工作簿里有多个带格式的工作表，那就是 openxlsx 的领域了：

library(openxlsx)
write.xlsx(list(Summary = summary_df, Detail = detail_df), "report.xlsx")

一个具名列表中的每个元素会变成一个工作表。openxlsx 也能读取 Excel 文件，所以实际代码中你会看到读写两个方向都用它；不过只是读取的话，readxl 仍然是更简单的工具。

务实的替代方案：导出 CSV

有时候最不花哨的办法反而最好。如果这个工作簿只用一次，比如有人给你发了一份电子表格，你马上就要里面的数字，那就在 Excel 中打开它，用“另存为”把工作表导出为 CSV，再用你已经熟悉的工具读取：

df <- read.csv("sales.csv")

不需要包，不需要工作表名，也没有合并单元格。完整的流程见读取 CSV。代价是：你会丢掉其他工作表，依靠格式表达的信息也会被抹平（用单元格颜色来“表示”某种含义，本来就是数据设计上的坏味道），而且导出是一个手动步骤，源文件更新时总会有人忘记。对于反复运行的流程，直接读取 .xlsx；对于一次性的导入，用 CSV 完全没问题。

导入 Excel 的经典陷阱

Excel 文件会带来 CSV 没有的问题，因为电子表格允许人们做一些表格本不该做的事。

日期变成了数字。 Excel 把日期存储为一个按天计数的序列号，如果某一列混合了多种类型，或者格式设置得很奇怪，你期望得到日期的地方可能会出现 44688。readxl 通常能正确转换真正的日期单元格，但当你确实拿到原始数字时，要用 Excel 的起始日期来转换，它是 1899-12-30，而不是 1970 年：

as.Date(44688, origin = "1899-12-30")
# [1] "2022-05-07"

合并单元格拆开后变成空白。 一个横跨三列合并的表头，读进来是一个值加两个空单元格；一个向下合并了十行的类别标签，会变成一个值加九个缺失值。只存在于视觉上的意图，readxl 无法还原，导入后要准备好自己填补这些空缺。

一个多余的单元格就能把整列变成文本。 列的类型是根据数据推断的，所以只要有一个 "n/a"、一条夹在数字中的备注，或者一个“空”单元格里有个空格，整列都会被读成字符型。读完立刻运行 str() 就能发现；如果推断一直出错，用 col_types 参数（例如 col_types = c("text", "numeric", "date")）强制指定。

核心思想是：电子表格是一块供人随意涂画的画布，而不是一张表格。带着怀疑的态度去读它，运行 str()，并对照原文件核对几个值，然后再相信导入的结果。

要点回顾

• 基础 R 读不了 .xlsx：安装 readxl，然后 read_excel("file.xlsx")。
• excel_sheets() 列出工作簿中的内容；sheet =（优先用名字）选择工作表；range = "B4:E20" 精确截取你想要的表格。
• 你得到的是一个 tibble，一个打印效果更好的数据框。
• 写出要用另一个包：普通输出用 writexl::write_xlsx()，带格式的工作簿用 openxlsx。
• 一次性的任务，从 Excel 导出 CSV 再用 read.csv()，是完全正当的捷径。
• 留意三个经典问题：日期变成序列号（起始日期 1899-12-30），合并单元格变成空白，以及一个坏单元格把整列拖成文本。

下一篇：反方向的操作，把数据框写出到 CSV 和 RDS 文件。