12.4　读取二进制文件

很多软件都把它们的数据存储为二进制格式（有一些是专有的，有一些则符合公开定义的标准）。二进制格式通常要比它们的文本格式要小，因此使用二进制格式的性能可能会更好，不过这是以可读性为代价的。

许多二进制文件的格式都是专有的，这违背了自由软件的原则。如果你可以选择，最好不要使用这种格式，以免数据被锁定在一个你缺乏控制权的平台上。

12.4.1　读取Excel文件

Microsoft Excel是目前世界上最流行的电子表格程序，也很可能是世界上最流行的数据分析工具。可惜，它的文档格式XLS和XLSX与其他软件的兼容性不好，尤其是对于那些非Windows平台的软件。这意味着，你需要做一些试验才能找到合适的配置，使你所选择的操作系统能与Excel文件兼容。

xlsx是基于Java的跨平台包，这就是说，至少在理论上，它可以在任何系统上读取任何Excel文件。它提供了读取Excel文件的函数：使用read.xlsx和read.xlsx2导入电子表格，它们分别在R和Java中做了更多的处理工作。有两种选择其实很多余，你当然会选择read.xlsx2，因为它的速度更快且底层的Java库也比R程序更加成熟。

下例显示了环法自行车赛拉普德兹山地段的最佳成绩，以及每个赛车手是否因服用禁药而被判有罪的记录。colClasses参数将决定数据框中每列的类型。这并非是强制的，但这样做可以免去日后再处理数据的麻烦：

  1. library(xlsx) 
  2. bike_file <- system.file( 
  3.    "extdata", 
  4.    "Alpe d'Huez.xls", 
  5.    package = "learningr" 
  6. ) 
  7. bike_data <- read.xlsx2( 
  8.    bike_file, 
  9.    sheetIndex = 1, 
  10.    startRow = 2, 
  11.    endRow = 38, 
  12.    colIndex = 2:8, 
  13.    colClasses = c( 
  14.       "character", "numeric", "character", "integer", 
  15.       "character", "character", "character"    
  16.    ) 
  17. ) 
  18. head(bike_data)
  20. ## Time NumericTime Name Year Nationality DrugUse 
  21. ## 1 37' 35" 37.58 Marco Pantani 1997 Italy Y 
  22. ## 2 37' 36" 37.60 Lance Armstrong 2004 United States Y 
  23. ## 3 38' 00" 38.00 Marco Pantani 1994 Italy Y 
  24. ## 4 38' 01" 38.02 Lance Armstrong 2001 United States Y 
  25. ## 5 38' 04" 38.07 Marco Pantani 1995 Italy Y 
  26. ## 6 38' 23" 38.38 Jan Ullrich 1997 Germany Y 
  27. ##                                                    Allegations 
  28. ## 1 Alleged drug use during 1997 due to high haematocrit levels. 
  29. ## 2         2004 Tour de France title stripped by USADA in 2012. 
  30. ## 3 Alleged drug use during 1994 due to high haematocrit levels. 
  31. ## 4         2001 Tour de France title stripped by USADA in 2012. 
  32. ## 5 Alleged drug use during 1995 due to high haematocrit levels. 
  33. ## 6                 Found guilty of a doping offense by the CAS.

xlsReadWrite是xlsx包的另一个选择，但它现在只适用于Windows下的32位R系统。还有一些其他的包能与Excel一起工作。例如，RExcel和excel.link使用COM连接从R中控制Excel，WriteXLS使用Perl写入Excel文件。gnumeric包提供了读取Gnumeric电子表格的函数。

与read.xlsx2相对应的函数是（你猜对了）write.xlsx2。它的工作方式与write.csv相同，它的参数为一个数据框和文件名。除非你真的需要使用Excel电子表格，否则为了方便，你最好还是把数据保存为文本格式。所以请小心使用。

12.4.2　读取SAS、Stata、SPSS和MATLAB文件

如果你正在与其他组织的统计人员合作，他们可能会向你发送一些从其他统计包中生成的文件。foreign包中包含了使用read.ssd读取SAS永久数据集2（SAS7BDAT文件）、使用read.dta读取Stata的DTA文件、使用read.spss读取SPSS数据文件的方法等。这些文件都可使用write.foreign写入文件。

2目前还不能把老的SAS SD2文件导入到R。处理这种格式的最简方法就是用免费的SAS通用浏览器（http://bit.ly/ldqSmrB）打开它，并重新保存为CSV。

MATLAB的二进制数据文件（4级及5级）可以使用R.matlab包中的readMat和writeMat分别读写。

12.4.3　读取其他文件类型

R可读取多种其他类型的文件数据。

它可以使用h5r包（以及在Bioconductor中的rdhf5包）读取分层数据格式V5 [HDF5]文件，亦可使用ncdf包读取网络通用数据格式[NetCDF]。

它可以使用maptools和shapefiles包读取ESRI公司的ArcGIS空间数据文件（以及使用RArcInfo包读取老版本的ArcInfo文件）。

它可以通过jpeg、png、tiff、rtiff和readbitmap包读取光栅图像格式。

它可以使用Bioconductor中的包来读取各种基因组数据格式。其中最值得注意的是，它可以通过RPPanalyzer包读取GenePix GPR文件（也称为轴突文本文件）；通过vcf2geno包读取基因序列变异的VCF（Variant Call Format）；通过rbamtools（它提供了一个SAMtools的接口）读取二进制序列比对数据；通过lxb包读取Luminex bead array assay文件。

最后，还有很多各式各样的格式散布于其他包中。不完全名单包括：用于MRI图像的4dfp和tractor.base包，用于WaveMetrics Igor二进制格式文件的IgorR包，用于GENEActiv观看加速度计数据显示的GENEAread包，用于INRO软件EMME v2数据库文件的emme2包，用于SEER癌症数据集（http://seer.cancer.gov/seerstat）的SEER2R包，用于Google Protocol Buffer（http://code.google.com/p/protobuf）的rprotobuf包，用于Bruker flex格式（http://strimmerlab.org/software/maldiquant/）中质谱数据的readBrukerFlexData包，用于在Models-3文件中社区多尺度空气质量模式的M3包，以及用于世界生育率调查的Read.isi包。

虽然以上很多的包对于大多数人来说完全没用，但R在广泛的领域中有众多的专门应用——这一点是相当震撼的。