数据分析与R语言
2026年09月20日
Data Import, Export & Type Conversion
提示
今天是项目二"数据准备"的第一课。今天所有的演示数据都是现场用R代码生成的虚构公司数据——这也提醒大家：养成用代码而不是手工造数据做练习的习惯，任何同学都能一键复现今天的每一步。
温故知新，为今天的内容热热身
请在正式上课前，凭记忆快速完成下面4道题（不查资料）：
选择题1：第6课学过，把数据框写成CSV文件用的函数是（ ）
A. read.csv() B. write.csv() C. save() D. export()
填空题1：把字符向量"A"转换成因子，第2课学过的写法是as.____("A")。
填空题2：read.csv()读入中文CSV文件如果出现乱码，很可能是因为文件是用Excel另存的，编码是____而不是UTF-8。
提示
这4道题复习了第6课的CSV读写和第2课的类型/因子知识——今天要学的readr包读写、以及类型转换，都是在这些基础上的"专业升级版"。
base R的read.csv()够用吗？
第6课学过的read.csv()/write.csv()还记得吗？当时是怎么用的？
从今天开始进入项目二"数据准备"，我们会不停地读文件、写文件。养成一个好习惯：给每个项目建一个RStudio Project，而不是把代码和数据文件随手存在不同的位置，使用的时候到处找。
flowchart LR
A["File 菜单"] --> B["New Project…"]
B --> C["New Directory<br/>新建一个项目文件夹"]
C --> D["填写项目名称<br/>选择保存位置"]
D --> E["Create Project<br/>RStudio自动重新打开"]
style A fill:#1a3a5c,color:#fff
style B fill:#2e5984,color:#fff
style C fill:#7a4419,color:#fff
style D fill:#4a2f6b,color:#fff
style E fill:#375623,color:#fff
提示
Project的核心作用：一个.Rproj文件绑定一个文件夹，RStudio打开这个项目时会自动把这个文件夹设为"工作目录"。这样一来，之后所有的read_csv()、write_csv()用的都可以是简单的相对路径（比如"company_data.csv"），不用再写一长串容易出错的绝对路径；把整个项目文件夹拷给同事或换一台电脑，代码原封不动就能跑。如果项目比较复杂，数据和文件比较多，建议在项目文件夹下再建两个子文件夹——data/存放原始数据、output/存放导出的结果，保持整洁。
第6课我们用代码读CSV。其实RStudio还藏着一个鼠标点选的导入工具——Import Dataset，完全不用写代码：
flowchart LR
A["Environment 面板"] --> B["Import Dataset<br/>From Text (readr)"]
B --> C["选文件 → 预览<br/>调分隔符 / 编码 / 列名"]
C --> D["Import 导入"]
style A fill:#1a3a5c,color:#fff
style B fill:#2e5984,color:#fff
style C fill:#7a4419,color:#fff
style D fill:#375623,color:#fff
提示
交互式导入所见即所得，还自带预览界面，最适合第一次探索一份陌生的数据。但它的软肋同样明显：过程不留痕、换一份数据要重头再点一遍。而代码式导入，一行代码可以反复运行、逐行可查——代码本身就是最好的"操作说明书"。这也是为什么今天的主角是readr/readxl包，而不是鼠标。交互式导入更多扮演"入门的拐杖"：用它快速摸清数据长什么样，然后复制它自动生成的代码，转入代码工作流。
如果数据不是CSV，而是财务人员最常用的Excel文件（.xlsx），base R的read.csv()还能读吗？
如果CSV文件里的"营收"这一列因为带了千分位逗号（如"1,500.00"）被读成了字符串而不是数字，要怎么办？
引出：今天学习专业的数据读写工具（readr、readxl包）和规范的类型转换方法——这是项目二"数据准备"的第一课，也是后续所有数据分析工作的起点。
readr包
R语言的很多功能不是"自带"的，而是靠包（package）扩展出来的。今天要用到3个包：readr（读写CSV）、readxl（读Excel）、writexl（写Excel）。
提示
打个比方：install.packages("readr")是"买书"，电脑上只要买过一次就行（今天机房已经装好，不用再装）；而library(readr)是"把书从书架上取出来打开"——每次新开一个R/RStudio会话，想用这个包里的函数，都要先运行一次library()，不然R会提示"找不到这个函数"。接下来的read_csv()、read_excel()等函数，都来自刚刚加载的这几个包。
company revenue cost rating
1 锦城科技 1200 800 A
2 蜀汉制造 980 650 B
3 天府物流 1560 1020 A
4 青羊金融 760 500 C
5 锦江生物 2100 1400 A
6 浣花实业 891 600 B今天全程用的都是这样"现场生成"的虚构数据——好处是每个人都能一键复现，不需要提前准备任何外部文件
# A tibble: 6 × 4
company revenue cost rating
<chr> <dbl> <dbl> <chr>
1 锦城科技 1200. 800 A
2 蜀汉制造 980 650 B
3 天府物流 1560. 1020 A
4 青羊金融 760. 500 C
5 锦江生物 2100 1400 A
6 浣花实业 891. 600 B read_csv()是readr包（tidyverse核心成员之一）提供的读取函数，相较base R的read.csv()：速度更快、自动识别列类型更准确、返回的是tibble（打印更整洁）。这也正是1.3所说的"代码式导入"的落地形态——同一份文件，之后每次想重新读入，运行这一行代码就够了，不必再点选一遍。
# A tibble: 8 × 1
本文件由财务部导出
<chr>
1 导出时间：2026-10-20
2 company,revenue,cost,rating
3 锦城科技,1200.5,800,A
4 蜀汉制造,980,650,B
5 天府物流,1560.3,1020,A
6 青羊金融,760.2,500,C
7 锦江生物,2100,1400,A
8 浣花实业,890.75,600,B # A tibble: 6 × 4
company revenue cost rating
<chr> <dbl> <dbl> <chr>
1 锦城科技 1200. 800 A
2 蜀汉制造 980 650 B
3 天府物流 1560. 1020 A
4 青羊金融 760. 500 C
5 锦江生物 2100 1400 A
6 浣花实业 891. 600 B 财务人员导出的报表经常在正式表头之前多加几行说明文字，skip参数可以跳过这些干扰行，从真正的表头开始读取
警告
环境避坑提醒：中文CSV文件如果是用Excel另存的，编码常常是GBK而不是UTF-8，读取乱码时第一反应就是加上locale = locale(encoding = "GBK")参数。
对比第6课的write.csv()：write_csv()默认就不会写入多余的行号列，也不需要额外指定row.names=FALSE，更省心
readxl/writexl包
readxl包自带的示例文件已经装在你电脑上了，不需要自己准备Excel文件也能练习读取
[1] "mtcars" "chickwts" "quakes" # A tibble: 32 × 11
mpg cyl disp hp drat wt qsec vs am gear carb
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 21 6 160 110 3.9 2.62 16.5 0 1 4 4
2 21 6 160 110 3.9 2.88 17.0 0 1 4 4
3 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
4 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
5 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
6 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
7 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
8 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
9 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
10 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
# ℹ 22 more rowsq1_data <- data.frame(company = company_data$company, revenue = c(300,240,390,190,520,220))
q2_data <- data.frame(company = company_data$company, revenue = c(310,250,400,200,530,230))
write_xlsx(list("2026Q1" = q1_data, "2026Q2" = q2_data), "quarterly_report.xlsx")
excel_sheets("quarterly_report.xlsx")[1] "2026Q1" "2026Q2"# A tibble: 6 × 2
company revenue
<chr> <dbl>
1 锦城科技 300
2 蜀汉制造 240
3 天府物流 390
4 青羊金融 190
5 锦江生物 520
6 浣花实业 220read_excel("quarterly_report.xlsx", skip = 3) # 表头不在第一行时，跳过前面的标题/说明行
read_excel("quarterly_report.xlsx", n_max = 100) # 只读取前100行（大文件先取样看看结构）
read_excel("quarterly_report.xlsx", range = "B2:D50") # 数据不在左上角时，用range指定读取范围（对应交互式导入预览界面里的Range选项）财务人员做的Excel报表常常有合并单元格、多级表头、汇总行穿插在数据中间——这些情况read_excel()不能自动处理，需要先在Excel里整理成"规范表格"，或者读入后用项目二后续课程学的工具做清理
数据读进来、处理好之后，导出的格式怎么选？
| 场景 | 推荐格式 | 函数 |
|---|---|---|
| 交给财务同事/老师审阅 | Excel | write_xlsx() |
| 数据交换（任何软件都能读） | CSV | write_csv() |
| 只在R内部传递、保留完整类型信息 | RDS | saveRDS() |
提示
经验法则：不确定用哪个？就用CSV——它是数据世界的"普通话"，任何软件都能打开。RDS是R的"私有语言"，好处是能完整保留因子、日期等类型信息，适合在R项目内部传递中间数据。
给数据"验明正身"
'data.frame': 6 obs. of 4 variables:
$ company: chr "锦城科技" "蜀汉制造" "天府物流" "青羊金融" ...
$ revenue: num 1200 980 1560 760 2100 ...
$ cost : num 800 650 1020 500 1400 600
$ rating : chr "A" "B" "A" "C" ...Rows: 6
Columns: 4
$ company <chr> "锦城科技", "蜀汉制造", "天府物流", "青羊金融", "锦江生物", "浣花实业"…
$ revenue <dbl> 1200, 980, 1560, 760, 2100, 891
$ cost <dbl> 800, 650, 1020, 500, 1400, 600
$ rating <chr> "A", "B", "A", "C", "A", "B"养成习惯：任何新导入的数据，第一步永远是看一眼每一列的类型，而不是直接开始计算
[1] "character"[1] 1200 1350 980[1] 1200 1350财务场景：从Excel读进来的"营收"列如果本该是数值却显示为字符串，十有八九是因为原始数据里带了千分位逗号或货币符号，需要先处理符号再转换
财务场景：股票代码、身份证号、员工编号这类"看起来是数字但本质是标识符"的字段，通常应该存为字符串，避免被误参与加减乘除，也避免开头的0被自动去掉
base R的as.Date()每次都要自己写对format参数，稍不注意就会出错。lubridate包（tidyverse成员之一）提供了更省心的写法：
财务场景：报表日期、交易日期是财务数据中最常见也最容易格式混乱的字段。只要日期都是"年-月-日"这个顺序，不管分隔符是-、/还是没有分隔符，ymd()都能正确识别，比每次都要纠结format参数该写"%Y/%m/%d"还是"%Y%m%d"省心很多。
警告
ymd()只能处理"年、月、日顺序一致"的情况——如果同一份数据里有的日期是"年-月-日"，有的是"日/月/年"这种顺序不同的情况（不只是分隔符不同），仍然需要先分别处理、统一顺序，再用ymd()转换。
给定一个字符串向量c("5,000", "6,200", "4,800")，把它转换成正确的数值型向量并计算总和
读入→检查→转换→导出
真实工作中拿到的数据往往就是这样"不规范"的——现在我们模拟一次完整的清理流程
read_csv()读入raw_report.csv
glimpse()检查每一列的类型是否合理（revenue和report_date都应该是字符串，需要转换）as.numeric()+gsub()处理revenue列lubridate的ymd()处理report_date列write_csv()把处理好的数据导出为一个新文件现场邀请1-2名学生展示自己的处理流程与报告
数据准备的标准工作流
flowchart LR
A["CSV读写<br/>readr"] --> B["Excel读写<br/>readxl/writexl"]
B --> C["类型转换<br/>as.numeric/ymd()等"]
C --> D["综合实战<br/>读入→检查→转换→导出"]
style A fill:#1a3a5c,color:#fff
style B fill:#2e5984,color:#fff
style C fill:#7a4419,color:#fff
style D fill:#375623,color:#fff
CSV读写（readr） → Excel读写（readxl/writexl） → 类型转换（as.numeric/as.character/as.factor/lubridate::ymd()） → 综合实战——这是数据准备工作最基础也最重要的一条流水线
对照一下，今天这五件事你都做到了吗？
library()加载今天用到的R包（readr、readxl、writexl、lubridate）提示
如果有没打勾的，下课后一定要找同学或老师补上，不要留到下一讲。
请花1分钟，在纸条或在线问卷上简要回答：
ymd()相比as.Date()，好在哪里？write_csv()导出，再用read_csv()读回来，用glimpse()查看结构"3,285.94"），转换为数值型"2026-05-01"、"2026-06-15"），用lubridate的ymd()转换为日期型write_csv()导出为一个新的CSV文件，并用write_xlsx()导出为一个Excel文件readxl_example()查看readxl包还自带了哪些示例文件，任选一个用read_excel()读取并简单探索其结构第8讲：dplyr筛选与排序——filter()、select()、arrange()与管道符
%>%：把多个处理步骤串起来提示
课前准备：保留好今天处理好的数据文件，下节课会继续使用类似的数据。
第7讲：数据读写与类型转换
"In God we trust; all others must bring data." — W. Edwards Deming，质量管理与统计学家
朱 奇 ｜ 锦城大学 · 财会学院