导入

在本书的这一部分，你将学习如何将更广泛的数据导入 R，以及如何将其转化为对分析有用的形式。有时，这只是调用相应数据导入包中的一个函数那么简单。但在更复杂的情况下，为了得到你更喜欢使用的整洁矩形数据，可能需要进行整理和转换。

Figure 1: 数据导入是数据科学过程的开始；没有数据你就无法进行数据科学！

在本书的这一部分，你将学习如何访问以下列方式存储的数据：

• 在 20  电子表格 中，你将学习如何从 Excel 电子表格和谷歌表格 (Google Sheets) 导入数据。

• 在 21  数据库 中，你将学习如何从数据库中获取数据并导入 R（你还将学到一点如何将数据从 R 导出到数据库）。

• 在 22  Arrow 中，你将学习 Arrow，这是一个处理内存外 (out-of-memory) 数据的强大工具，特别是当数据存储在 parquet 格式中时。

• 在 23  层级数据 中，你将学习如何处理层级数据，包括由 JSON 格式存储的数据产生的深度嵌套列表。

• 在 24  网络抓取 中，你将学习网页“抓取” (web scraping)，即从网页中提取数据的艺术和科学。

我们在这里没有讨论两个重要的 tidyverse 包：haven 和 xml2。如果你正在处理来自 SPSS、Stata 和 SAS 文件的数据，请查看 haven 包，https://haven.tidyverse.org。如果你正在处理 XML 数据，请查看 xml2 包，https://xml2.r-lib.org。否则，你需要做一些研究来确定你需要使用哪个包；谷歌是你的好朋友 😃。