R从excel文件中读取
日期数据经常出现错误（如, 日期
数据读入之后变成
整数，或者整数与标准的日期格式共存等），这种情况大多是数据读入R之前数据类型保存有误（有些日期类型存储成了整数类型，或者整数与标准的日期类型数据共存） ,数据读入R之后，无法使用R中常用的日期处理函数（如lubridate的ymd()等函数）将数据转换为标准的日期函数（yyyy-mm-dd）。 遇到这种情况，我们可以通过colClasses或col_types来指定读入的数据列类型为日期类型('date'), 此时如果数据不是标准的日期类型（如yyyy-mm-dd）数据读入依然会出错。此时，可以指定数据列类型为文本类型（'character'或'text'）,此时数据读入不会出错，但是读入后需要对数据进行转换（整数形式的日期数据，如'41250', 需要转换为标准的日期类型数据:yyyy-mm-dd）。 日期与整数之间是可以转换的。 通常，日期与 1899年12月31日（或1970年1月1日-Unix时间）相差的天数即为相应日期对应的整数， 碰到日期中有'42110', '12334', '2018-12-12'形式存在的数据时， 需要判断日期数据是整数形式还是标准的日期格式。 下面写了一个简单的函数，来处理日期数据中既有整数形式的日期数据（如'41120'），又有标准日期类型的数据的情况： str2num <- function(data){ return (as.numeric(as.character(data))) } change_date <- function(date_str){ ##转为标准的年月日日期 date_str <- str_replace_all(date_str, "‘|’|“|”|“|”", '') date_str <- str_replace_all(date_str, '年|月', '-') date_str <- str_replace_all(date_str, '日', ' ') date_str <- str_replace_all(date_str, '^\\s+|\\s+$', '') ##如果只有一个小数点,保留整数就行了 if (length(str_extract_all(date_str, '\\.')[[1]]) == 1 && !is.na(as.numeric(as.character(date_str)))){ date_str <- str_replace(date_str, '\\.\\d+$', '') } ##空白字符后面的内容删除 date_str <- str_split(date_str, '\\s+', simplify = T)[, 1] ##标准的日期1 ##yyyy-mm-dd, yyyy.mm.dd, yyyy/mm/dd, yyyy\mm\dd tmp_bool1 <- str_detect(date_str, paste('\\d{4}[-./\\\\]\\d{1,2}[-./\\\\]\\d{1,2}', '\\d{8}', sep = '|')) ##标准日期2 ##mm-dd-yyy, mm.dd.yyyy, mm/dd/yyyy, mm\dd\yyyy tmp_bool2 <- str_detect(date_str, '\\d{1,2}[-./\\\\]\\d{1,2}[-./\\\\]\\d{4}') indexs <- 1:length(date_str) ##标准日期1,下标，年月日 norm_index1 <- which(tmp_bool1 == T) ##标准日期2下标， 月日年 norm_index2 <- which(tmp_bool2 == T) ##非标准日期,转换成了数字格式的日期 int_index <- indexs[!indexs %in% c(norm_index1, norm_index2)] tmp_int <- date_str[int_index] tmp_int <- round(str2num(tmp_int), 0) date_int <- as.character(ymd('1900-1-1') + ddays(tmp_int - 2)) date_str[c(norm_index1, norm_index2)] <- str_replace_all(date_str[c(norm_index1, norm_index2)], '[/.\\\\]', '-') ##norm index1 date_str[norm_index1] <- as.character(ymd(date_str[norm_index1])) ##norm index2 date_str[norm_index2] <- as.character(mdy(date_str[norm_index2])) ##int index date_str[int_index] <- date_int return(date_str) } 调用上面的函数后，数据都转化为了'yyyy-mm-dd'形式的字符串数据 需要调用lubridate包中的ymd()函数进一步将字符串数据转换为日期数据。ps:不同来源的日期数据转换要注意开始计算天数的日期是1899-12-31还是1970-1-1。
利用正则表达式获取年年份。R主要用于统计分析或者开发统计相关的软件，但也有人用作矩阵计算。其分析速度可媲美专用于矩阵计算的自由软件GNUOctave和商业软件MATLAB。R是一种编程语言，也是统计计算和绘图的环境，它汇集了许多函数，能够提供强大的功能。R语言软件界面简陋，通常不直接使用，而是用图形界面的Rstudio。RStudio是免费提供的开源集成开发环境（IDE）。RStudio提供了一个具有很多功能的环境，使R更容易使用，是在终端中使用R的绝佳选择。
加载xlsx数据包后用read.xlsx打开.>setwd("e:/r")>library(xlsx) #加载这个数据包,先下载安装.>data<-read.xlsx(file="1.xlsx",header=T,sheetIndex=1) #打开后缀为.xlsx的excel文件,注意sheetIndex里面有个大写字母.>data X1 X231 1 232 2 243 3 254 4 265 5 276 6 28>data<-read.xlsx(file="1.xls",header=T,sheetIndex=1) #打开后缀为.xls的excel文件>data X1 X231 1 232 2 243 3 254 4 265 5 276 6 28
