read.spss(file, use.value.labels = TRUE, to.data.frame = FALSE,
max.value.labels = Inf, trim.factor.names = FALSE,
trim_values = TRUE, reencode = NA, use.missings = to.data.frame)
help中的example：
## Not run: ## if you have an SPSS file called 'datafile':
read.spss("datafile")
## don't convert value labels to factor levels
read.spss("datafile", use.value.labels = FALSE)
## convert value labels to factors for variables with at most
## ten distinct values.
read.spss("datafile", max.value.labels = 10)
## End(Not run)
分给我。
SPSS主要是用来统计分析数据的，EXCEL主要用来整理数据并作简单的统计分析，SQL主要是一种数据集的查询机制。SPSS界面友好，使用简单，但是功能很强大，也可以编程，能解决绝大部分统计学问题，适合初学者。EXCEL能做一些简单直观的统计分析，如果已经安装宏的话还能做一些数值分析，也很实用。个人认为些都是数据处理应用的软件，其中excel界面最为友好，但功能是在太过单一，仅适用于日常的简单数据处理，不适于较复杂的模型分析，因此科研上应用不多；spss有比较强的专业性，另外spss也采用图形界面，但spss的主要缺点是数据输出，不能用word等文字处理工具直接打开。Excel在数据分析中最为基础，最易掌握，图形工具强大和完善，但不适宜大型统计分析；SPSS软件为专门为统计而开发的软件，一般用于大型统计，而对于图形工具上不太全面，不易掌握。但二者常常兼用互补。EXCEL是最常用的既可以处理文字信息如数据透视表也可以整理数据信息如：进行方差分析、回归等等在日常生活中使用最多，而SPSS是一个在数据处理如：方差分析等待比较专业的一个软件。非专业人使用较少。绝大部分问题EXCEL均可以解决。SQL是高级的非过程化编程语言，允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法，也不需要用户了解具体的数据存放方式，所以具有完全不同底层结构的不同数据库系统，可以使用相同的SQL语言作为数据输入与管理的SQL接口。
通常情况下，我们会在excel中对数据进行预处理，然后将处理好的数据导入R中进行分析、作图。但随着数据源和数据格式的多样化，将多种数据源和数据格式导入R中进行分析、作图显得尤为必要，因为这对于数据分析、作图是最基础的。R可导入键盘（利用键盘输入）、文本文件、excel、access、spss、sas等各类数据格式。
利用R中的edit()函数手动输入数据的文本编辑器：
（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。
函数edit()事实上是在对象的一个副本上进行操作的。若不将其赋值到一个目标，则所有修改将会全部丢失！
用read.table()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。
参数sep允许你导入那些使用逗号以外的符号来分隔行内数据的文件。你可以使用sep="\t"读取以制表符分隔的文件。此参数的默认值为sep=""，即表示分隔符可为一个或多个空格、制表符、换行符或回车符。
我习惯用readxl包的read_excel()函数进行导入：
SPSS数据集可以通过foreign包中的函数read.spss()导入到R中，也可以使用Hmisc包中的spss.get()函数。
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。
R中设计了若干用来导入SAS数据集的函数，包括foreign包中的read.ssd()和Hmisc包中的sas.get()。这里我们使用sas7bdat包的read.sas7bdat()函数进行导入sas数据。
Robert I. Kabacoff (著). R语言实战(高涛/肖楠/陈钢 译). 北京: 人民邮电出版社.
![[CSS] svg路径动画](/aiimages/%5BCSS%5D+svg%E8%B7%AF%E5%BE%84%E5%8A%A8%E7%94%BB.png)
