R读取Excel 2007版本(及以上)文件

发表于   |   分类于   |  

从本地读取的文档时，除了用read.csv和read.table读取.csv或者.txt文件以外，还不可避免的碰到大量需要从.xlsx格式的文件中读取数据的情况，将其转换格式为.csv或者.txt当然是一种方法，曲径通幽的存入数据库，再用R调用数据库内容亦可，但是最直接的方式无非还是直接读取。下面是几种常见读取方式的比较，至于最终选择哪种读取方式，见仁见智。

xlsx包

我们先随机生成一个文件，将它写入demo.xlsx文件中。我们将用到xlsx包中的write.xlsx()函数。

1
2
3
4
5
6
7
8
9
10
11
12
library(xlsx)
A = sample(LETTERS, 1000, replace = T)
B = rnorm(1000)
C = paste(sample(LETTERS, 1000, replace = T),
          sample(LETTERS, 1000, replace = T),
          sample(LETTERS, 1000, replace = T),
          sep = "")
D = rpois(1000, .2)
df <- data.frame(A, B, C, D)
write.xlsx(df, "demo.xlsx", sheetName = "demo", row.names = F)

这个包的依赖包包括rJava和xslxjars，在使用本包之前必须保证Java或jdk已经安装好、环境变量也已设置好。
xlsx提供两种读取的函数：read.xlsx()和read.xlsx2()，前者可直接读取，并自动判断数据类型；后者读取速度更快，但是需要手动补充每列的数据类型。

1
system.time(read.xlsx("demo.xlsx", sheetIndex = 1))
##    user  system elapsed 
##    6.83    0.07    4.37

1
2
system.time(read.xlsx2("demo.xlsx", sheetIndex = 1,
                       colClasses = rep(c("numeric","character"),2)))
##    user  system elapsed 
##    0.66    0.04    0.22

可以看出第二种读取方式比第一种要快很多。

XLConnect包

此包同样基于java：

1
2
3
4
library(XLConnect)
wb <- loadWorkbook("demo.xlsx")
system.time(readWorksheet(wb, sheet = "demo", header = T))
##    user  system elapsed 
##    0.36    0.03    0.14

与xlsx包的第二个读取函数相比，速度更快。
xlsx包里有read.xlsx()和write.xlsx()一对函数，同样的，XLConnect包里也有与readWorksheet()对应的writeWorksheet()函数。

补充于 12/7/2015:
此函数无法自动将excel中的公式转换为数值。
如果一个excel文件中含有公式，则会报错。

gdata包

这个包是基于Perl语言的。Linux和Mac系统自带Perl但是Windows系统需要自行安装。如果R无法自动获取Perl编译器，则需要手动指定编译器的位置。

1
2
3
4
library(gdata)
perl_int <- "D:/Programming Tools/Perl64/bin/perl5.20.2.exe"
system.time(read.xls("demo.xlsx", sheet = 1, header = TRUE, perl = perl_int))
##    user  system elapsed 
##    0.00    0.00    1.92

同样也是很快速的读取方法。

其它包

  • 32位系统中，可以使用RODBC包的odbcConnectExcel()函数来读取数据。但是这个函数只能用于32位系统，64位无法使用。
  • xlsReadWrite包中的read.xls()函数可用于读取.xls格式的文件，但无法读取.xlsx文件。

Reference

Read Excel files from R