通过 ODBC 访问关系型数据库

Source: Dev.to

Introduction

几乎每种文件格式都需要不同的函数（通常还需要不同的包），这让人容易感到不知所措——尤其是在处理多个参数和依赖时。不过，一旦你弄清楚哪些工具适用于哪些数据类型，向 R 导入数据就会变得简单且高效。

本指南旨在成为你的“一站式”参考。下次当你搜索 “如何将 XYZ 文件加载到 R？” 时，你就知道该去哪里找答案了。

What This Tutorial Covers

我们将演示在 R 中导入最常用的数据格式，包括：

• TXT 和 CSV 文件
• JSON 和 XML 数据
• HTML 表格
• Excel 工作簿
• SAS、SPSS、Stata 数据集
• MATLAB 和 Octave 文件
• 通过 ODBC 访问关系型数据库

我们还会分享一个实用的导入技巧，帮助你快速进行临时分析。

Preparing Your R Workspace Before Importing Data

Setting the Working Directory

大多数项目会把相关文件放在同一个文件夹中。将该文件夹设为工作目录可以简化文件导入。

# Show current working directory
getwd()

要更改工作目录：

setwd("path/to/your/folder")

设置好后，R 会自动在该位置查找文件——省去一次次输入冗长路径的麻烦。

Cleaning the Workspace

上一次会话留下的对象可能导致细微且令人沮丧的错误。保持工作空间干净通常是最好的做法。

rm(list = ls())

Pro tip: 除非必要，避免在退出时保存工作空间。全新的会话可以减少调试头痛。

Loading TXT, CSV, and Other Delimited Files

Reading Text Files (.txt)

分隔文本文件使用制表符、逗号或分号等分隔符。

Example structure

Category   V1   V2A   3   2B   5   6B   2   3A   4   8A   7   3

# Default (tab‑delimited)
df  This is a lifesaver for exploratory work, though formatting issues may occur.

---

Using Packages for Advanced Imports

Before using package‑based import functions:

install.packages("packageName")
library(packageName)

Importing JSON Files

install.packages("rjson")
library(rjson)

# From a local file or URL
json_data  **Next steps?** If you’re moving toward predictive modeling, scaling analytics, or deploying AI‑driven solutions, explore our **AI Consulting Services** to accelerate outcomes.

About Perceptive Analytics

“To enable businesses to unlock value in data.”

二十余年来，我们已与超过 100 家客户合作——从《财富》500 强企业到中型公司——帮助他们解决复杂的数据分析难题。我们的服务包括提供端到端的 Tableau 咨询服务，以及作为值得信赖的 Power BI 咨询公司，将数据转化为战略洞察。

我们期待与您交流！

You. Do reach out to us.