A. 在r语言中用什么命令读取全部数据
使用R语言的时候，如果是少量数据，不妨使用c()或其他函数进行创建；但是对于大量数据，最好还是先通过其他更方便的软件创建数据文件，然后使用R读入这个文件。
.csv是非常好的数据文件格式，跨平台支持非常好。我在Excel或者SPSS中创建的数据，只要存为csv格式，就可以使用几乎任何数据处理软件对这些数据进行处理了。使用通用格式在多人合作、不同版本兼容等常见行为中，优势十分明显。另外，之所以使用不同的数据处理软件，第一，可以取长补短。比如有些工作SPSS很复杂的，可以用R语言几行命令搞定。第二，可以进行软件间处理结果对照，发现问题。
R语言中读取外部文件的最基本函数是read.table()，还有用来读csv的read.csv()， .csv是非常好的数据文件格式，跨平台支持非常好。。
输入help（read.table）命令，就看到了关于数据输入函数的说明。
B. 如何用r语言抓取数据库中的数据库
一、 安装RODBC库
1、进入R语言的GUI界面（RGUI.EXE)，在菜单栏选择“程序包/安装程序包
2、在弹出的窗口里往下拉，选择RODBC如图，点击确定
3、在ODBC数据源管理器里将需要的数据库添加进去，这里笔者使用的是SQL Server2008，驱动程序选择Native Client10.0
3、在R语言窗口输入连接语句
> library(RODBC)
**这里是载入RODBC库
> channel<-odbcConnect("MyTest",uid="ripley",case="tolower")
**连接刚才添加进数据源的“MyTest”数据库
**ch <- odbcConnect("some dsn ", uid = "user ", pwd = "**** ")
**表示用户名为user，密码是****，如果没有设置，可以直接忽略
> data(USArrests)
**将“USArrests”表写进数据库里（这个表是R自带的）
> sqlSave(channel,USArrests,rownames = "state",addPK = TRUE)
**将数据流保存，这时候打开SQL Server就可以看到新建的USArrests表了
> rm(USArrests)
> sqlTables(channel)
**给出数据库中的表
> sqlFetch(channel,"USArrests",rownames = "state")
**输出USArrests表中的内容
> sqlQuery(channel,"select * from USArrests")
**调用SELECT查询语句并返回结果（如图）
> sqlDrop(channel,"USArrests")
**删除表
> odbcClose(channel)
**最后要记得关闭连接
当然，通过这个办法也可以读取Excel、Access表中的内容，具体方法类似，这里不再重复
C. 如何用R读取xml 格式的数据
第一步：安装xml包，library调用。
第二步：找到你要读取的xml文件的位置，网站的就写清楚网址，本地的写到文件名。
url<-"E:\\input.xml"
第三步：先把xml格式的文件暂时读进来，给计算机分析文件的机会。（Parse:描述，分析，解析）
xmldoc<-xmlParse(url)
第四步：找根节点。xmlroot
rootNote<-xmlRoot(xmldoc)
第五步：读取根节点的数据。想想看，一般来说会有好几个根节点，每个根节点下面又会有好几个字段和对应的数值。像这种洋葱似的数据（自创名词）的读取和转化怎能少了apply。
D. R语言如何从外部读取数据到R中
R语言如何从外部读取数据到R中
R语言可以从键盘，文本，excel，access，数据库，专业处理软件sas
一、使用键盘的输入
mydata<-data.frame(age=numeric(0),gender=character(0),weight=numeric(0))
mydata<-edit(mydata)
二、读入带有分隔符文本格式的数据
data<-read.table(文件，header=true/false,sep="delimeter",row.names=列名)
其中文件可以有很多选项的
file（）gzfile（），bzfile（），等一些压缩文件以及url（http：//,ftp://,smtp://）
例子：
默认的时候，字符串会自动使用factor转化为数值型
data<-read.table("student.csv",header=TRUE,sep=",",row.names="studentid"，stringsAsFactors=FALSE)
三、将xls文件导入到R中
（1）将xls变成csv的格式导入
（2）在Windows系统中，你也可以使用RODBC包来访问Excel文件。
library(RODBC)
channel <- odbcConnectExcel("student.xls")
mydataframe<-sqlFetch(channel,"Sheet1")
odbcClose(channel)
四、抓取网页并且提取信息
五、导入spss数据
library（Hmisc）
mydata<-spss.get("mydata.sav",use.value.labels=TRUE)
六、导入SAS数据
将sas格式的数据转换为csv格式的数据 然后用read.table()形式导入
七、导入关系型数据库的数据
R中有多种面向关系型数据库管理系统（DBMS）的接口，包括Microsoft SQL Server、Microsoft Access、MySQL、Oracle、PostgreSQL、DB2、Sybase、Teradata以及SQLite。其中一些包通过原生的数据库驱动来提供访问功能，另一些则是通过ODBC或JDBC来实现访问的。
（1）使用ODBC的方式导入数据
E. 如何在R中导入不同类型的数据
在使用R的时候，我们肯定需要导入数据，现在总结一下如何导入不同类型的数据：
1.使用键盘输入数据
在导入数据比较少的时候，我们使用这种方法。R中的函数 edit() 会自动调用一个允许手动输入数据的文本编辑器。具体步骤如下：
(1) 创建一个空数据框（或矩阵） ，其中变量名和变量的模式需与理想中的最终数据集一致；
(2) 针对这个数据对象调用文本编辑器，输入你的数据，并将结果保存回此数据对象中。在下例中，你将创建一个名为 mydata 的数据框，它含有三个变量： age （数值型） 、 height（字符型）和 weight （数值型） 。然后通过edit()函数调用文本编辑器，键入数据，最后保存结果。编辑器界面如下，我们在这个界面可以输入变量值，也可以改变变量类型。
[plain] view plain
mydata<-data.frame(age=numeric(0),height=numeric(0),weight=numeric(0))
edit(mydata)
需要注意的是函数 edit() 事实上是在对象的一个副本上进行操作的。如果你没有将它其赋值到一个对象，你的所有修改将会全部丢失！
2.导入带分隔符的文本文件数据/CSV文件
read.table() 可以从带分隔符的文本文件中导入数据。此函数可读入一个表格格式的文件并将其保存为一个数据框。其语法如下：
read.table(file,header=value,sep="delimter",row.names="name")
file表示文件名，header表示表的首行是否包含变量值的逻辑值，sep 用来指定分隔数据的分隔符， row.names 用以指定一个或多个表示行标识符的变量，是个一可选参数，他还有许多参数，可以通过帮助文档进行查看。
3.导入Excel数据
虽然Excel可能是世界上最流行的数据分析工具，但R如果直接读取Excel数据还是比较困难的。
但我们可以在Excel中将数据将其导出为一个逗号分隔文件（csv） ，并使用前文描述的方式将其导入R中。在Windows系统中，你也可以使用 RODBC 包来访问Excel文件。但它好像只能在32位的R软件上面使用。虽然也有一些包可以这些问题，比如gdata,XLConnect,xlsReadWrite等，但它的有许多前提要求，比如Java环境，Per,或者32-bit R。因此一般情况将数据转换为csv文件或者将数据导入到数据库在导入在R。
4.导入XML数据
强大的R中有若干用于处理XML文件的包。 XML 包允许用户读取、写入和操作XML文件。因为我还没有遇到这种数据，因此还不太清楚xml包大体如何使用，感兴趣的朋友可以下载xml包，通过帮助文档进行学习。
5.从网页抓取数据
不仅Python可以爬取网页数据，R也可以在Web数据抓取。在这个的过程中，用户可以从互联网上提取嵌入在网页中的信息，并将其保存为R中的数据结构以做进一步的分析。 完成这个任务的一种途径是使用函数 readLines()下载网页，然后使用如 grep() 和 gsub() 一类的函数处理它。对于结构复杂的网页，可以使用RCurl 包和 XML 包来提取其中想要的信息。
6.导入SPSS数据
我们可以调用通过 foreign 包中的函数 read.spss() 将SPSS数据集可以导入到R中，也可以使用 Hmisc 包中的 spss.get() 函数。函数 spss.get() 是对 read. spss() 的一个封装，它可以为你自动设置后者的许多参数，让整个转换过程更加简单一致，最后得到数据分析人员所期望的结果。使用的时候我们只需要安装Hmisc 包，在较新的R中foreign 包已被默认安装。
[plain] view plain
mydata<-spss.get("data.sav",use.value.labels=TRUE)
这段代码中，data.sav 是要导入的SPSS数据文件， use.value.labels=TRUE 表示让函数将带有值标签的变量导入为R中水平对应相同的因子， mydataframe 是导入后的R数据框。
F. 如何在R语言中读入数据和导出存储数据
1.R数据的保存与加载
可通过save()函数保存为.Rdata文件，通过load()函数将数据加载到R中。
[ruby]view plain
>a<-1:10
>save(a,file='d://data//mData.Rdata')
>rm(a)#将对象a从R中删除
>load('d://data//mData.Rdata')
>print(a)
[1]12345678910
下面创建df1的数据框，通过函数write.csv()保存为一个.csv文件，然后通过read.csv()将df1加载到数据框df2中。
[ruby]view plain
>var1<-1:5
>var2<-(1:5)/10
>var3<-c("Rand","DataMining","Examples","Case","Studies")
>df1<-data.frame(var1,var2,var3)
>names(df1)<-c("VariableInt","VariableReal","VariableChar")
>write.csv(df1,"d://data//mmmyData.csv",row.names=FALSE)
>df2<-read.csv("d://data//mmmyData.csv")
>print(df2)
110.1Rand
220.2DataMining
330.3Examples
440.4Case
550.5Studies
RODBC提供了ODBC数据库的连接。
3.1从数据库中读取数据
odbcConnect()建立一个数据库连接，sqlQuery()向数据库发送一个SQL查询，odbcClose()关闭数据库连接。
[ruby]view plain
library(RODBC)
connection<-odbcConnect(dsn="servername",uid="userid",pwd="******")
query<-"SELECT*FROMlib.tableWHERE..."
#orreadqueryfromfile
#query<-readChar("data/myQuery.sql",nchars=99999)
myData<-sqlQuery(connection,query,errors=TRUE)
odbcClose(connection)
3.2从Excel文件中导入与导出数据
[ruby]view plain
library("RODBC")
conn<-odbcConnectExcel("D:/data/Amtrak.xls")
Amtrak<-sqlFetch(conn,"Data")
close(conn)
G. R语言如何数据库读取数据
R 对于基于 SQL 语言的关系型数据库有良好 的支持，这些数据库既有商业数据库 Oracle、Microsoft SQL Server、IBM DB2 等，也包含在 GNU General Public License (GPL) 下发布的 MySQL 等开源数据库。 RMySQL 包中提供了到 MySQL 数据库的接口；RODBC 包提供了更为广泛数据库接口的解 决方案 支持所有标准 ODBC 接口的数据库。通过这种方式，相同的 R 代码可以方便地应用于 不同类型的数据库。 library (RODBC) ch <- odbcConnect("stocksDSN",uid = "myuser",pwd = "mypassword") stocks <- sqlQuery(ch ,"select * from quotes") odbcClose(ch) 经测试，Windows 平台上的 Microsoft SQL Server、Access、Oracle、MySQL、PostgreSQL，和