数据准备：文件导入和抽样函数介绍

（1）数据导入

对初学者来讲，面对一片空白的命令行窗口，第一个任务就是数据的导入。数据导入有很多途径，例如从网页抓取、公共数据源获得、文本文件导入。

例如，读取iris.csv演示数据，在R语言中输入如下命令：

data＜-read.table（′iris.csv′，T）

或

data＜-read.csv（′iris.csv′，T）

这里的read.table（read.csv）是R语言读取外部数据的常用命令，T表示第一行是表头信息，整个数据存在名为data的变量中。另一种更方便的导入方法是利用Rstudio的功能，在Workspace菜单选择“import dataset”也是一样的。

如果导入的文件大小超过150 MB，属于大文件，要使用以下命令：

library（data.table）

c1＜-fread（＂abc.txt＂，encoding=＂UTF-8＂，sep=＂\t＂，data.table=FALSE）

参数data.table=FALSE表示导入的结果为数据框，否则为data.table类型，默认为data.table类型。

（2）数据子集

如果只关注数据的一部分，例如从原数据中抽取第20～30号样本的Sepal.Width变量数据，因为Sepal.Width变量是第2个变量，所以此时键入下面的命令即可：

newdata＜-data[20：30，2]

如果需要抽取所有数据的Sepal.Width变量，那么下面两个命令是等价的：(www.xing528.com)

newdata＜-data[，2]

newdata＜-data$Sepal.Width

（3）数据描述

str（x）：显示数据x的结构，如变量数量、变量类型、观测值等。

summary（patient）：显示统计概要。

dim（patientdata）：显示数据框patientdata维数。

（4）抽样函数

如果从1～10中随机抽取5个数字，则首先产生一个序列，然后用sample函数进行无放回抽取。

x=1：10

sample（x，size=5）

有放回抽取则是

sample（x，size=5，replace=T）

sample函数在建模中经常用来对样本数据进行随机的划分，一部分作为训练数据；另一部分作为检验数据。