数据获取
内容提要
本文介绍R语言的数据获取方法：调用datasets等包的内置数据集；用rnorm、runif等函数模拟特定分布数据；读取txt、csv、xlsx及SPSS等外部文件，可借助read.table、read.csv、openxlsx、foreign等包；小规模数据可直接录入，大规模数据建议用EpiData等专业软件。
延伸解读
内置数据集：练习与教学的便捷起点
R的datasets包提供了近100个内置数据集，覆盖医学、自然、社会学等领域，无需外部文件即可直接调用。对于初学者，这降低了数据获取门槛，便于快速练习分析流程。但需注意，内置数据集规模有限，且非base包的数据集需先安装并加载对应包（如MASS）才能使用，实际工作中仍需掌握外部数据导入方法。
模拟数据：理解统计分布与检验方法
通过rnorm、runif、rbinom、rpois等函数，可按指定参数生成服从正态、均匀、二项、泊松等分布的随机数据。这有助于模拟抽样过程、验证统计方法或进行蒙特卡洛实验。使用时需明确分布参数的含义，例如rnorm中mean和sd分别控制均值和标准差，生成的数据仅用于模拟，不能替代真实观测。
外部文件导入：格式差异与参数设置
读取txt或csv文件时，read.table()与read.csv()的header参数默认值不同：前者为FALSE，后者为TRUE。若未根据文件实际结构设置，可能导致变量名被误读为数据。对于xlsx/xls文件，可另存为csv后读取，或使用openxlsx等包直接导入。导入SPSS等软件数据时，foreign包的read.spss()需将to.data.frame设为TRUE，否则返回列表而非数据框。
数据录入：规模决定工具选择
少量数据可直接在R中录入，但若超过10列或30行，建议使用Excel等表格软件。数据量很大时，手动录入错误率较高，更适合用EpiData等专业录入软件，它能设置范围检查、自动换行，并为变量添加标签。从EpiData导入时，可先导出为Stata格式，再用foreign包的read.dta()读取，以保留变量标签等属性。
Q&A
R语言中如何获取内置数据集？
R的内置数据集存在于各种包中，其中base包的datasets包只包含数据集，没有函数，提供了近100个数据集，涵盖医学、自然、社会学等领域。可以用data(package = "datasets")查看，用data()函数调用，如data(iris)。其他包如MASS也包含数据集，需先安装并加载包，再使用data()函数，如library(MASS); data(bacteria)。
如何在R中模拟特定分布的数据？
R提供了一系列以r开头的函数用于数值模拟，常用的有rnorm()、runif()、rbinom()、rpois()等。例如：r1 <- rnorm(n = 100, mean = 0, sd = 1)生成正态分布数据；r2 <- runif(n = 10000, min = 0, max = 100)生成均匀分布数据；r3 <- rbinom(n = 80, size = 100, prob = 0.1)生成二项分布数据；r4 <- rpois(n = 50, lambda = 1)生成泊松分布数据。
R语言怎么读取txt和csv文件？
读取txt文件使用read.table()函数，返回数据框。例如：patients.data <- read.table("patients.txt", header = TRUE)。读取csv文件使用read.csv()函数，它是read.table()的变体，默认header=TRUE。例如：patients.data <- read.csv("patients.csv")。注意read.table()默认header=FALSE，read.csv()默认header=TRUE，读取前建议先查看原始文件并设置合适参数。
R如何读取Excel文件（xls/xlsx）？
读取Excel文件有多种方法：最简单的是在Excel中另存为逗号分隔的.csv文件，然后用read.csv()读取。也可以使用第三方包如openxlsx、readxl、gdata直接读取xlsx或xls文件。以openxlsx为例：library(openxlsx); write.xlsx(patients, "patients.xlsx"); patients.data <- read.xlsx("patients.xlsx", sheet = 1)。
如何用R导入SPSS等其他统计软件的数据？
有两种方法：一是从其他软件导出为文本文件，再用read.table()或read.csv()读取；二是使用扩展包如foreign包，它能读写其他统计软件的数据。以导入SPSS数据为例：先下载文件，然后library(foreign); patients.data <- read.spss("patients.sav", to.data.frame = TRUE)。注意read.spss()的to.data.frame参数默认为FALSE，需设为TRUE以返回数据框。SAS、Stata等类似。
在R中录入数据有什么建议？
数据可以直接在R中录入，但如果数据量较大（超过10列或30行），不建议在R中录入。小规模数据可以用电子表格软件如Excel录入。数据量很大时，手动录入容易出错，建议使用专门的数据录入软件，如免费软件EpiData，它可以设置录入约束（如范围检查、自动换行），并为变量和变量值添加标签。foreign包的read.epiinfo()可直接读取EpiData生成的.rec文件，但建议先在EpiData中导出为Stata数据文件，再用read.dta()读取，以保留变量标签和描述等属性。
