Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Läsa och Visa | Datamanipulering och Datarensning
Dataanalys med R

bookLäsa och Visa

Innan du kan analysera data måste du importera den till din R-miljö. I de flesta verkliga scenarier lagras data i externa filer eller databaser. Det första steget i varje dataanalysarbetsflöde är att importera dessa data så att du kan börja utforska och arbeta med dem.

Vanliga datakällor

Verklig data kommer ofta från olika källor, såsom:

  • CSV-filer (kommaseparerade värden);
  • Excel-kalkylblad;
  • Textfiler (TXT);
  • Databaser (t.ex. SQL, SQLite, PostgreSQL);
  • Web APIs eller andra onlinekällor.

R tillhandahåller en rad funktioner och paket för att enkelt läsa in data från var och en av dessa källor.

Läsa in en CSV-fil

CSV är ett av de vanligaste formaten för att lagra tabulär data. För att importera en CSV-fil till R används vanligtvis en funktion som läser in filen och lagrar den i en data frame – en struktur som organiserar data i rader och kolumner.

df <- read_csv("car_details.csv")

Visa din data

När data har lästs in är det användbart att snabbt granska den. Ett enkelt sätt att göra detta i RStudio är med funktionen View():

View(df)
question mark

Vilken funktion läser in CSV-filer i tidyverse?

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 3

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Suggested prompts:

What other functions can I use to explore my data after importing it?

Can you explain the difference between head() and tail() in R?

How do I handle missing values in my imported dataset?

Awesome!

Completion rate improved to 4

bookLäsa och Visa

Svep för att visa menyn

Innan du kan analysera data måste du importera den till din R-miljö. I de flesta verkliga scenarier lagras data i externa filer eller databaser. Det första steget i varje dataanalysarbetsflöde är att importera dessa data så att du kan börja utforska och arbeta med dem.

Vanliga datakällor

Verklig data kommer ofta från olika källor, såsom:

  • CSV-filer (kommaseparerade värden);
  • Excel-kalkylblad;
  • Textfiler (TXT);
  • Databaser (t.ex. SQL, SQLite, PostgreSQL);
  • Web APIs eller andra onlinekällor.

R tillhandahåller en rad funktioner och paket för att enkelt läsa in data från var och en av dessa källor.

Läsa in en CSV-fil

CSV är ett av de vanligaste formaten för att lagra tabulär data. För att importera en CSV-fil till R används vanligtvis en funktion som läser in filen och lagrar den i en data frame – en struktur som organiserar data i rader och kolumner.

df <- read_csv("car_details.csv")

Visa din data

När data har lästs in är det användbart att snabbt granska den. Ett enkelt sätt att göra detta i RStudio är med funktionen View():

View(df)
question mark

Vilken funktion läser in CSV-filer i tidyverse?

Select the correct answer

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 3
some-alt