Jak wczytać dane z Excela?
Jedną z najbardziej popularnych form przechowywania danych tabelarycznych są pliki Excela. Poniżej pokażemy jak takie dane odczytać z pliku Excela bezpośrednio do programu R.
Jako przykład wykorzystamy dane udostępniane przez Główny Urząd Statystyczny (GUS) w Banku Danych Lokalnych (BDL) https://bdl.stat.gov.pl/BDL/dane/wymiary. Przez interface www można wyklinać jakie wskaźniki w jakich grupach chcemy pobrać, a następnie możemy pobrać je w formacie pliku Excela.
Za pomocą strony www wybrałem dane dotyczące ludności Polsce w latach 1995:2015 w podziale na grupy wiekowe i płeć. Te dane są dostępne na stronie https://github.com/pbiecek/Przewodnik/blob/master/resources/LUDN_2137_20160225144358.xlsx.
Pliki Excela pobrane z BDL mają trzy zakładki. W pierwszej opisane są główne informacje dotyczące danych. Druga zakładka to dane w ta zwanej wąskiej/długiej postaci. Trzecia zakładka to dane w postaci szerokiej, gdzie kolejne kolumny odpowiadają kolejnym latom.
Poniżej umieszczone są zrzuty ekranu dla obu zakładek.
W programie R dostępnych jest kilka rożnych pakietów pozwalających na wczytywanie danych z Excela. Na dziś dzień, dla plików w formacie xlsx najbardziej uniwersalnym rozwiązaniem jest pakiet openxlsx.
Funkcja read.xlsx pozwala na wczytanie danych z określonego pliku. Możemy dodatkowo określić z której zakładki chcemy wczytać dane. Zacznijmy od wczytania danych w postaci wąskiej z zakładki drugiej.
library(openxlsx)
ludnosc <- read.xlsx("../resources/LUDN_2137_20160225144358.xlsx", sheet = 2)
head(ludnosc)
## TERYT_CODE TERYT_NAME AGE SEX YEAR MEASURE.UNIT VALUE ATTRIBUTE
## 1 0000000000 POLAND total total 1995 person 38609399
## 2 0000000000 POLAND total total 1996 person 38639341
## 3 0000000000 POLAND total total 1997 person 38659979
## 4 0000000000 POLAND total total 1998 person 38666983
## 5 0000000000 POLAND total total 1999 person 38263303
## 6 0000000000 POLAND total total 2000 person 38253955
W podobny sposób możemy odczytać dane z zakładki 3.
ludnoscSzeroka <- read.xlsx("../resources/LUDN_2137_20160225144358.xlsx", sheet = 3)
ludnoscSzeroka[3:8,1:10]
## VALUE X2 Column.Labels X4 X5 X6
## 3 Row Labels TERYT_NAME 1995 1996 1997 1998
## 4 0000000000 POLAND 38609399 38639341 38659979 38666983
## 5 1000000000 Central region 7747852 7741399 7737773 7730206
## 6 1100000000 ŁÓDZKIE 2687761 2680350 2672823 2663608
## 7 1140000000 MAZOWIECKIE 5060091 5061049 5064950 5066598
## 8 2000000000 Southern region 8098116 8099977 8100860 8098333
## X7 X8 X9 X10
## 3 1999 2000 2001 2002
## 4 38263303 38253955 38242197 38218531
## 5 7750090 7742834 7738999 7736003
## 6 2637438 2627824 2617318 2607380
## 7 5112652 5115010 5121681 5128623
## 8 7994721 7988083 7978084 7968750
Inne pakiety do wczytywania danych z Excela
W programie R dostępnych jest więcej pakietów pozwalających na wczytywanie danych z plików Excela. Zestawienie najpopularniejszych prezentuje poniższa tabela.
| pakiet | funkcja_odczyt | funkcja_zapis | formaty | funkcjonalność | szybkość | wymaga_programu |
|---|---|---|---|---|---|---|
| readxl | read_excel() | --- | .xlsx, .xls | średnia | duża | |
| openxlsx | read.xlsx() | write.xlsx() | .xlsx | średnia | duża | |
| xlsx | read.xlsx() | write.xlsx() | .xlsx, .xls | średnia | mała | Java |
| XLConnect | readWorksheet() | writeWorksheet() | .xlsx, .xls | duża | mała | Java |
| gdata | read.xls() | -- | .xlsx, .xls | mała | średnia | Perl |
| WriteXLS | -- | WriteXLS() | .xlsx, .xls | mała | średnia | Perl |
Może się zdarzyć, że z uwagi na dostępność zewnętrznych biblitek, na któryś systemie operacyjnym pewne pakiety nie będą działały, lub nie będą w stanie poprawnie wczytać określonych typów danych. W takim przypadku najlepiej spróbować innego pakietu z ww tabeli.