使用R读取xls与xlsx文件

在数据分析的过程中，第一步就是读取数据。

通常我们遇到的数据是csv格式或者txt格式的数据，这时我们使用系统自带的read.csv()与read.table()就可对这些格式的数据进行读取，只是读取时需注意编码格式。对于大型csv格式的数据（当然小数据也可以），可以使用data.table包中的fread()进行读取可以极大地提升读取速度。

但当遇到了Excel表生成的文件，读取起来相对就没有那么友好。之前的做法是简单粗暴地直接将我们的xls或xlsx文件利用Excel转化为csv文件后再进行读取，亦或者直接就用Python使用pandas库进行处理，然后就在Python中进行分析。

就是由于之前几次碰壁，使用网上推荐的一些包来进行读取，但都以失败告终。不过这次还是决定解决这个“顽疾”，对xls与xlsx这两种文件用R进行读取。

这几种方法主要参考：Read Excel files from R

---

1. ROOBC

这个包中有函数可以读取xlsx格式的文件，但对于现在的我们而言，绝大多数人的电脑都不能使用这个包，因为其只能用于32位系统的Windows，所以这里不对这个包进行赘述。

2. xlsReadWrite

只能从GitHub中获得，CRAN上还没有，也不进行过多的赘述。

3. XLConnect

要依赖java，并且对于大数据情况读取非常慢。但实际上自己使用的时候，安装了java后，还是没法使用这个包。可能是某些步骤设置出现了问题。

若有童鞋对前面的三个包非常感兴趣，其详细的用法可以参考前面的参考网址。

4. xlsx

这个包是目前用的最多，也是R中可以说最好用的读取Excel文件的利器。

下面专门对其进行介绍。首先我们先说明这个包的依赖文件，不仅仅只是依赖R中的一些包，而是需要单独安装java。

1）装Java

安装链接：https://www.java.com/zh_CN/download/

我们按照指引选择默认路径安装，安装完成后，在C:\Program Files下出现了Java文件，说明安装成功。（注：有些地方说需要将Java文件添加到全局变量中，后面的xlsx包才能调取成功，但其实在这两天的实际安装中发现，自己的电脑并不需要，可能得看脸。）

2）装xlsx

安装xlsx其实没什么好说的，就正常安装，然后它会自动将所需要的rjava等依赖库，最后成功安装xlsx库。

3）实际使用

最后我们就能直接使用啦，下面来讲一下其代码格式：

library(xlsx)
dat <- read.xlsx("data.xlsx", sheetName = "Sheet1", encoding = 'UTF-8')

一个标准的数据读取如上所示，下面将几个常用的参数：

• "data.xlsx"：表示读取数据的名称。
• sheetName：表示读取表中表的名称，通常第一个就是Sheet1。
• encoding：这个在读取中文数据的时候是一定要加上的，不然读取数据会出现乱码。
• sheetIndex：表示读取文件中第几个表，sheetIndex = 1表示读取文件中第一个表。需要特别注意：当文件中我们的表明为中文字时，不能使用类似sheetName = "表1"进行读取，即使加上encoding = 'UTF-8'也会出现读取错误，这时就需要使用sheetIndex来进行读取。