GNU R: Daten laden und speichern

EDV GNU R

Daten laden

Daten können mit load("Dateiname") geladen werden.

Wenn die Datei im Internet liegt, muss sie mit Hilfe der url()-Funktion geladen werden

load(url("http://Pfad/zu/Datei.RData"))  # Beispiel-URL

Daten speichern

Mit der Funktion ls() listet R alle vorliegenden Variablen auf.

Arbeitsspeicher speichern

Mit save.image("dateiname.RData") wird das vorliegende Datenframe (alle Variablen) als sichtbare Datei im working directory (getwd()) gespeichert (Wenn man nur save.image() ausführt, wird das Datenframe als ".RData" gespeichert und ist dann im Dateibrowser unsichtbar).

Wenn man dann R wieder startet, wird diese Datei automatisch geladen. Unter Linux scheint es notwendig zu sein, den Arbeitsspeicher per Hand zu laden: Zunächst muss man in das Verzeichnis wechseln, in dem die Datei liegt. Diese wird dann mittels load("Dateiname.RData") geladen.

einzelne Objekte speichern

Wenn nur einzelne Objekte gespeichert werden sollen, wird die save-Funktion angewandt. Mit dem list-Parameter werden die gewünschten Objekte angegeben, welche in die Datei file gespeichert werden sollen.

save(file="/Users/produnis/working/R/Einzelobjekt.RData", list="Objekt") # Beispiel

Arbeitsverzeichnis

Das aktuelle Arbeitsverzeichnis kann per getwd() angezeigt werden. Mit dem Befehl dir() werden die Dateien des aktuellen Arbeitsverzeichnisses angezeigt.

Mit dem Befehl setwd() kann das aktuelle Arbeitsverzeichnis gewechselt werden.

setwd("/Users/produnis/R/") # Beispiel

Auf Dauer kann es einfacher sein, ein eigenes Arbeitsverzeichnis beim Startvorgang einzustellen. Für diese Fälle gibt es die Datei Rprofil.site. Dieser muss nur eine letzte Zeile (gefolgt von einem Zeilenumbruch) mit dem Befehl "setwd" hinzugefügt werden.

Inhaltsverzeichnis GNU R 1. Einleitung: Was ist R? | Installation | R starten | Hilfe | Die Basispakete | Zusatzpakete 2. R benutzen: Rechnen mit R | Daten in R | Umgang mit Datensätzen | Datenimport und -export | Daten laden und speichern | Benutzeroberflächen und Erweiterungen | Matrix- und Listenoperationen | Automation und dynamische Dokumenterstellung 3. Statistik mit R: Diagramme und Grafiken erzeugen | Deskriptive Statistik | Regressionsanalyse | Signifikanztests | Rasch-Modelle | Datum- und Zeitfunktionen | Block-Randomisierung 4. Programmieren mit R: Programmieren mit R | eigene Funktionen programmieren | Eigene Zusatzpakete erstellen | Finden von Programmfehlern und Debugging X Anhang: Anwendungsbeispiele | Befehle-Index | Lösung der Übungsaufgaben | Cross-Reference für SPSS-Benutzer | Programmierbeispiele | Beispielskripte | Das wikibooks-Zusatzpaket

00 Jahre