Import

在这一部分中，你将学习如何将更广泛的数据导入R，以及如何将其转换为适合分析的格式。 有时只需调用相应数据导入包中的函数即可完成。 但在更复杂的情况下，可能需要同时进行数据清洗和转换，才能得到你更希望使用的规整矩形数据。

Figure 1: 数据导入是数据科学过程的开始；没有数据，你就无法进行数据科学！

在本部分中，你将学习如何访问通过以下几种方式存储的数据：

• 在 20  Spreadsheets 中, 你将学习如何从 Excel spreadsheets 和 Google Sheets 中导入数据。

• 在 21  Databases 中, 你将学习如何从数据库中提取数据到 R 中（同时你也会了解一些如何将数据从 R 存入数据库的方法）。

• 在 22  Arrow 中, 你将学习 Arrow，这是一个处理内存外数据的强大工具，特别是当数据以 parquet 格式存储时。

• 在 23  Hierarchical data 中, 你将学习如何处理分层数据，包括 JSON 格式存储所产生的深度嵌套列表。

• 在 24  Web scraping 中, 你将学习网络”爬取”，即从网页中提取数据的艺术与科学。

有两个重要的 tidyverse 包我们在此不做讨论：haven 和 xml2。 如果你正在处理来自 SPSS、Stata 和 SAS 文件的数据，请查阅 haven 包，https://haven.tidyverse.org。 如果你正在处理 XML 数据，请查阅 xml2 包，https://xml2.r-lib.org。 除此之外，你可能需要自行研究来确定需要使用的包；谷歌会是你的好帮手😃。