Ennen kuin voit analysoida dataa, sinun täytyy tuoda se R-ympäristöösi. Useimmissa todellisissa tilanteissa data tallennetaan ulkoisiin tiedostoihin tai tietokantoihin. Ensimmäinen vaihe missä tahansa data-analyysin työnkulussa on tuoda tämä data, jotta voit aloittaa sen tutkimisen ja käsittelyn.

Yleiset datalähteet

Todellisen maailman data tulee usein useista eri lähteistä, kuten:

• CSV (pilkuin erotetut arvot) -tiedostot;
• Excel-taulukot;
• Tekstitiedostot (TXT);
• Tietokannat (esim. SQL, SQLite, PostgreSQL);
• Web-rajapinnat tai muut verkkolähteet.

R tarjoaa useita funktioita ja paketteja, joiden avulla dataa voidaan lukea helposti näistä lähteistä.

CSV-tiedoston lukeminen

CSV on yksi yleisimmin käytetyistä muodoista taulukkomuotoisen datan tallentamiseen. CSV-tiedoston tuomiseksi R:ään käytetään yleensä funktiota, joka lukee tiedoston ja tallentaa sen data frameen – rakenteeseen, joka järjestää datan riveihin ja sarakkeisiin.

df <- read_csv("car_details.csv")

Datan tarkastelu

Kun data on ladattu, on hyödyllistä tarkastella sitä nopeasti. Yksi yksinkertainen tapa tehdä tämä RStudiossa on käyttää View()-funktiota:

View(df)