R语言二进制文件

2023-02-28 00:23:01Python08

R语言二进制文件,第1张

R语言二进制文件

二进制文件是一个文件，其中包含仅以位和字节形式存储的信息(0和1)。它们不可读，因为其中的字节转换为包含许多其他不可打印字符的字符和符号。尝试使用任何文本编辑器读取二进制文件将显示为类似?和?这样的字符。

二进制文件必须由特定程序读取才能使用。例如，Microsoft Word程序的二进制文件只能通过Word程序读取到人类可读的形式。这表明，除了人类可读的文本之外，还有更多的信息，如格式化的字符和页码等，它们也与字母数字字符一起存储。最后二进制文件是一个连续的字节序列。我们在文本文件中看到的换行符是将第一行连接到下一个的字符。

有时，由其他程序生成的数据需要由R作为二进制文件处理。另外R需要创建可以与其他程序共享的二进制文件。

R有两个函数用来创建和读取二进制文件，它们分别是：WriteBin()和readBin()函数。

语法

writeBin(object,con)readBin(con,what,n)

以下是使用的参数的描述 -

con- 是要读取或写入二进制文件的连接对象。

object- 是要写入的二进制文件。

what- 是像字符，整数等的模式，代表要读取的字节。

n- 是从二进制文件读取的字节数。

实例

这里考虑使用R内置数据“mtcars”。首先，我们从它创建一个csv文件并将其转换为二进制文件并将其存储为操作系统文件。接下来将这个二进制文件读入R中。

1. 写入二进制文件

我们将数据帧“mtcars”读为csv文件，然后将其作为二进制文件写入操作系统。参考以下代码实现 -

# Read the "mtcars" data frame as a csv file and store only the columns"cyl","am"and"gear".write.table(mtcars,file="mtcars.csv",row.names=FALSE,na="",col.names=TRUE,sep=",")# Store 5 records from the csv file as a new data frame.new.mtcars<-read.table("mtcars.csv",sep=",",header=TRUE,nrows=5)# Create a connection object to write the binary file using mode "wb".write.filename=file("/web/com/binmtcars.dat","wb")# Write the column names of the data frame to the connection object.writeBin(colnames(new.mtcars),write.filename)# Write the records in each of the column to the file.writeBin(c(new.mtcars$cyl,new.mtcars$am,new.mtcars$gear),write.filename)# Close the file for writing so that it can be read by other program.close(write.filename)

R2. 读取二进制文件

上面创建的二进制文件将所有数据作为连续字节存储。因此，我们将通过选择列名称和列值的适当值来读取它。

# Create a connection object to read the file in binary mode using "rb".read.filename<-file("/web/com/binmtcars.dat","rb")# First read the column names. n = 3 as we have 3 columns.column.names<-readBin(read.filename,character(),n=3)# Next read the column values. n = 18 as we have 3 column names and 15 values.read.filename<-file("/web/com/binmtcars.dat","rb")bindata<-readBin(read.filename,integer(),n=18)# Print the data.print(bindata)# Read the values from 4th byte to 8th byte which represents "cyl".cyldata=bindata[4:8]print(cyldata)# Read the values form 9th byte to 13th byte which represents "am".amdata=bindata[9:13]print(amdata)# Read the values form 9th byte to 13th byte which represents "gear".geardata=bindata[14:18]print(geardata)# Combine all the read values to a dat frame.finaldata=cbind(cyldata,amdata,geardata)colnames(finaldata)=column.namesprint(finaldata)

当我们执行上面的代码，它产生以下结果和图表 -

[1]7108963 17280812497496037 6 6 4 [7] 6 8 1 1 1 0[13] 0 4 4 4 3 3[1] 6 6 4 6 8[1] 1 1 1 0 0[1] 4 4 4 3 3 cyl am gear[1,] 6 14[2,] 6 14[3,] 4 14[4,] 6 03[5,] 8 03

Shell

我们可以看到，通过读取R中的二进制文件，得到了原始数据。

杀杀

记录一些R语言读入数据的方法还有可能遇到的问题~

读入数据时，需要先了解数据文件的类型（也就是看后缀）。一般就能够知道数据的类型和分隔符等信息。

另外，如果能够用excel预览一下数据的话，可以先看看数据是否有行列名。有些数据会有两列的行名，如基因名-基因id-表达值······，特殊的数据需要额外的处理。

还需要注意一下matrix和data.frame的数据结构，matrix中只能有一种数据类型，这意味着如果在读入数据时不进行合适的处理，R会将数值强行读成字符型，造成读数据的错误。

当用excel存储过之后，再用R处理时，会提示你行名重复，其实根本没有重复。因此建议不要用excel保存这种数据，一定要编辑可以使用notepad++或者ultra edit等软件。

-----正题分割线-----

read.xx的函数是R的内置函数，可以直接读取，并且设置一些参数

这些函数读取后都默认为data.frame，如果需要矩阵请使用as.matrix转换。

一定要赋值，不然R语言会把大大的矩阵print出来。