234 字
1 分钟
R语言数据导入导出与基础绘图
数据的导入与导出
常用的文件格式是 .csv 和 .xlsx，R 提供了非常简便的接口。
# 导入 CSV 格式baby <- read.csv("../data/baby.csv", header = TRUE, sep = ",")
# 导入 Excel 格式需要额外包library(readxl)baby_xlsx <- read_excel("../data/baby.xlsx")
# 导出数据write.csv(baby, "data_export.csv", row.names = FALSE)基础绘图：plot() 核心法则
plot() 是一把瑞士军刀，用来快速查看数据分布和趋势。
x <- sample(1:100, 80)y <- 2 * x + rnorm(80, 0, 10)
# 绘制散点图并设置属性plot(x, y, type = "p", pch = 19, # type 为点，pch 为点形状 col = "#1e90ff", # 颜色 xlab = "X 轴", ylab = "Y 轴", main = "散点图示例", xlim = c(1, 80), ylim = c(0, 200))双坐标轴作图
# 第一张图plot(stock$year, stock$SP, type = "l", col = "blue")# 覆盖并画第二张图par(new = TRUE)plot(stock$year, stock$SQ, type = "l", col = "red", axes = FALSE)axis(side = 4) # 添加右侧坐标轴进阶补充：海量数据 I/O 与底层图形参数
- 极速读取方案：面对 GB 级别的数据文件，原生的
read.csv()性能极差。推荐使用data.table::fread()（C 语言多线程底层实现，速度极快）或vroom::vroom()（利用内存映射技术延迟加载）。 - 底层图形参数 (par)：R 的基础图形系统由底层的
graphics包控制。在进行专业排版时，常需要精确控制边缘空白：mar参数控制图形内部边界（默认c(5, 4, 4, 2) + 0.1），oma控制外部边界，常用于在多图组合（mfrow）时留出总标题空间。
分享
如果这篇文章对你有帮助，欢迎分享给更多人！
部分信息可能已经过时
相关文章 猜你想看
1
R语言基础数据结构
管理统计与R实训 本文将带你了解 R 语言中最基础也是最重要的数据结构：向量、矩阵、数组、数据框、因子和列表。掌握它们是处理任何复杂数据的第一步。
2
R语言字符串与日期处理
管理统计与R实训 在数据清洗中，字符串和日期处理是无法避开的难点。本文重点介绍如何分割、拼接字符串，使用正则表达式提取匹配，以及基础的日期计算。
3
ggplot2 与高级数据可视化
管理统计与R实训 除了自带的 plot()，R 语言的绘图天花板是 ggplot2 和其生态系统。本文讲解如何绘制条形图、直方图、箱线图、气泡图以及雷达图等专业图表。
4
R语言描述统计分析核心指南
管理统计与R实训 拿到数据后，首先要用描述统计量来把握数据的整体面貌：集中趋势、离散程度以及分布形态。
5
R语言方差分析 (ANOVA)
管理统计与R实训 T检验只能对比两组差异，如果要看 3 组及以上的分类变量对连续变量的影响，就需要用到方差分析（ANOVA）。
Copyright © 2026
By Xxxhite. All Rights Reserved.