(三)R语言-从数据源获取数据

R语言有很多种获取从数据源(有手动输入、CSV、Excel、JSON、XML、NetCDF、HDF5、SPSS、SAS、Stata这些数据源等)获取数据的方式，下面介绍常用的几种：

1. 手动录入

数据量少，可以采用这种方式：

1.1 先创建对象，然后调用<对象名> <- edit(<对象名>)或fix(<对象名>)来进行增加数据：

输入数据:

数据结果:

1.2 直接创建变量并同时初始化，然后调用read.table()读取：

这种方式对于初学者可能会多用一些，实际很少用的。

2. 导入Excel的数据

读取Excel需要安装xlsx、xlsxjars、rJava包，因为涉及Java，因此需要Java环境也配置好了：

安装后发现安装过程有如下错误:

提示告诉我们，如果确认JAVA环境配置没问题，用管理员用户执行"R CMD javareconf"，现在执行以下:

重新加载R语言环境, 单独安装rJava包试下，报如下错误：

还是不行，囧~~~~先不用xlsx包了，后面知道怎么解决再弄了，换openxlsx，它不需要依赖rJava：

测试Excel文档的内容:

导入数据:

更多使用查help就行了。

3. 从网络获取数据

这里使用现在广泛使用的JSON数据：

这里使用一个接口获取的json数据如下:

可以看到，其结构如下，我们准备获取result对应的list:

{"result": [

{"type": "----", "name": "---"}

...

 ]}

安装"rjson"包:

测试获取数据:

返回的是一个列表数据。为了方便处理，可以转为数据框:

数据还是可以优化的，上面看到typeX和nameX一直重复，现在把所有name提取出来，其他的type都一样：

数据挖掘流程一开始都这样，从数据源获取数据到数据仓库，然后进行数据预处理为便于分析的数据(刚刚做的就是数据预处理)，然后进行下一步的建模分析了。

4. 从数据库获取数据

可以通过原生的数据库驱动或ODBC/JDBC来从数据库获取数据，一般通过ODBC或JDBC连接是最常用的，因为不用针对每种数据库都写不一样的语句。

-------------------------------（这里基于Windows10平台，Mac平台的遇到点问题，还没配置成功）

安装RODBC包之前，需要先针对使用的系统和数据库类型安装和配置合适的ODBC驱动(这里下载: http://www.odbcmanager.net)

现在下载安装mysql的ODBC驱动(https://dev.mysql.com/downloads/connector/odbc/)，安装后目录如下:

配置好后，接下来就是安装RODBC:

然后配置数据源：（控制面板 ---- 管理工具 ---- 出现如下窗口）

选择"ODBC数据源(64位)", 显示如下窗口：

选择"系统DSN",点击"添加"，如下：

出现两种数据库的驱动，这里用MySQL(SQL Server类似)，选择ANSI的，确定后弹出如下界面：

输入相关信息，点击"Test"测试一下，连接成功：

配置完成后，现在R加载ODBC库来连接数据库查看下数据:

通过MySQL WorkBench查看iHouse数据库数据如下:

测试:

使用sqlTables可以看数据库里有什么表，然后使用sqlFetch可以获取表的所有数据，使用sqlQuery可以输入有效地SQL语句进行指定查询。更多使用参考RODBC的文档即可。

最后，不使用，记得使用close()函数管理连接： close(my_con)。

5. 从本地获取数据

假设现在有这个数据文件:

可如下读取:

6. 后面还可以从XML或其他数据源获取数据，因为目前我不常用，也就不测试了，用到再弄了。

实际对数据的处理是很灵活的，根据数据分析要求，从数据源获取，然后按需处理数据即可。