本节书摘来自华章出版社《机器学习与R语言（原书第2版）》一书中的第2章，第2.2节，美] 布雷特·兰茨（Brett Lantz） 著,李洪成 许金炜 李舰 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
2.2 用R管理数据
当处理大量数据集时，面临的挑战包括收集、准备和管理来自各种不同来源的数据。尽管通过学习后面章节中的真实世界的机器学习任务，我们会深入地涉及数据准备、数据清理和数据管理，但本节重点讲述基本的R数据导入和导出功能。
2.2.1 保存、载入和移除R数据结构
当你花费了很长时间把某个数据框转换成你所需要的数据格式时，你不必每次重新打开R会话从头开始重复前面的工作。要想把一种特定的数据结构保存到一个文件中，使它以后能重新载入或者把这种数据结构转移到另一个系统中，可以用save()函数。save()函数把R数据结构写到由file参数设定的位置。R数据文件有一个文件扩展名.RData。
如果我们有3个对象x、y和z，你希望将它们保存在一个永久文件中。不管它们是向量、因子、列表或者数据框，可以用下面的命令把它们保存到名称为mydata.RData的文件中：
load()命令可以重新创建保存在以.RData为扩展名的文件中的任何数据结构。为了载入保存在前面代码中的mydata.RData文件，只需要输入：
这将重新创建x、y和z数据结构。
要特别小心你正在载入的数据结构！你用load()命令正在导入的文件中所存储的所有数据结构都将载入你的工作区，即使它们会覆盖工作区中其他一些你正在使用的东西。
如果你需要立即结束当前的R会话，save.image()命令将会把你所有的会话写入一个叫作.RData的文件中。默认情况下，R将在下次启动时寻找这个文件，上次R结束时的R会话将会重现，就像你离开R时一样。
在R会话工作一段时间后，可能积累了大量的数据结构。列表函数ls()返回一个内存中当前所有数据结构的一个向量。例如，如果你按照本章中的代码操作，那么ls()函数将返回：
在退出会话时，R将自动从内存中删除这些数据结构，但是对于大的数据结构，你可能希望尽快释放内存。删除函数rm()就是用于删除数据结构。例如，为了删除m和subject1对象，简单地输入：
也可以用一个由需要删除的对象名称构成的字符向量作为函数 rm()的参数。下面的命令清除整个R会话中的对象。
在执行上述命令时必须特别小心，因为在对象删除之前没有提示。
2.2.2 用CSV文件导入和保存数据
公开的数据集通常存储在文本文件中。文本文件几乎可以在所有的计算机和操作系统中阅读，这种格式几乎全球通行。由于像Microsoft Excel这样的电子表格数据操作容易便捷，所以文本格式文件也能从这样的程序中导入或者导出。
表格数据文件（tabular或者table）采用矩阵形式的结构，这种形式数据的每一行表示一个案例，每个案例有相同数量的特征。每一行的特征值由一个预先定义的称为分隔符的符号来区分。通常情况下，表格数据文件的第一行给出数据每一列的名称。该行称为标题行。
最常用的表格文本文件格式可能是逗号分隔值（Comma-Separated Value，CSV）文件。根据名字可知，这种文件格式使用逗号作为分隔符。CSV文件能在很多常用的应用程序内导入和导出。一个表示先前构建的医疗数据集的CSV文件可能像下面这样存储：
给定一个位于R工作目录中的命名为pt_data.csv的病人数据文件，可以使用read.csv()函数把这个文件载入R中：
这个命令将把CSV文件读入名为pt_data的数据框中。就像先前在构建数据框时那样，我们需要使用stringsAsFactors = FALSE参数来阻止R把所有的文本变量转换成因子。这个转换的步骤最好由你而不是由R来执行。
如果数据集在R工作目录之外，你要详细列出CSV文件的完整路径（例如，当调用read.csv()函数时应该使用/path/to/mydata.csv。）
默认情况下，R假设CSV文件包含一个标题行，标题行列出了数据集中特征的名字。如果一个CSV文件没有标题行，那么需要指定选项header = FALSE，就像下面的命令显示的那样，R用V1、V2等默认值来指定属性名：
read.csv()函数是read.table()函数的一个特例。read.table()函数能读取具有多种不同格式的表格数据，包括其他的分隔形式，比如制表符分隔的值（Tab-Separated Value，TSV）。要想了解更多关于read.table()函数族的信息，用命令?read.table来查询R的帮助页面。
要想把一个数据框保存成CSV文件，需要使用write.csv()函数。如果数据框名是pt_data，只需要输入：
这就将把一个名为pt_data.csv的文件保存到R工作目录中。参数row.names会覆盖R的默认设置，它输出CSV文件中的行名称。除非数据框有行名，否则这种输出设置是不必要的，它只会增加输出文件的大小。
