用R读取其它格式文件，SPSS、SAS、Stata、Minitab等产生的数据文件

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容（原文7833字）。

2章7节：读写RDS，CSV，TXT，Excel，SPSS、SAS、Stata、Minitab等的数据文件（更新20240807）_r语言读取rds文件-CSDN博客

一、RDS或RData格式文件

二、CSV或TXT格式

三、Excel的格式文件

四、其它格式文件

在数据分析和处理过程中，我们经常需要读取和写入各种不同格式的数据文件，包括由其他统计软件如SPSS、SAS、Stata、Minitab等产生的数据文件。本文将详细介绍如何在R中使用各种函数和扩展包来处理这些文件格式，帮助读者更高效地进行数据处理和分析。

一种方法是先将其他统计软件中的数据导出为文本文件，如CSV或TXT格式，然后再使用R的read.table()或read.csv()函数将数据读入R中。这种方法虽然简单，但可能会遇到数据格式不一致、编码出错等问题。也可以使用其它的R扩展包。

1、使用`foreign`包

foreign包提供了一套函数，用于直接读取和写入其他统计软件的数据文件，包括SPSS、SAS、Stata等。该包极大地方便了不同软件之间的数据交互，减少了数据转换的麻烦和错误。例如，对于SAS数据文件，即后缀名为.ssd的数据文件，可通过包内的read.ssd()函数来读取。对于SPSS数据文件，即后缀名为.sps的数据文件，可通过包内的read.spss()函数来读取。对于Stata数据文件，即后缀名为.dta的数据文件，可使用foreign包的read.dta()函数实现。

同样，如果我们要把数据frmgham分别保存为SAS、SPSS和Stata数据文件，可使用以下代码，生成文件，并把相关文件分别保存在工作目录文件下（如果需要保存到其它的位置，可以设置文件的路径）。

# 加载foreign包
library(foreign)

# 保存为SPSS文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.sps", package = "SPSS")

# 保存为SAS文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.sas", package = "SAS")

# 保存为Stata文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.dta", package = "Stata")

其它格式文件读取的汇总

文件格式	使用的函数	R扩展包
ERSI ArcGIS	read.shapefile	shapefiles
Matlab	readMat	R.matlab
Minitab	read.mtp	foreign
SAS（.ssd）	read.ssd	foreign
SAS（.xport）	read.xport	foreign
SPSS	read.spss	foreign
Stata	read.dta	foreign
Systat	read.systat	foreign

# 1.1 SPSS文件 (.sav)
# 安装和加载foreign包
install.packages("foreign")
library(foreign)

# 读取SPSS数据文件
data_spss <- read.spss("data.sav", to.data.frame = TRUE)

# 1.2 SAS文件 (.sas7bdat, .xpt)
# 读取SAS数据集文件
data_sas <- read.ssd("data.ssd")

# 读取SAS传输文件
data_xport <- read.xport("data.xpt")

# 1.3 Stata文件 (.dta)
# 读取Stata数据文件
data_stata <- read.dta("data.dta")

# 1.4 Minitab文件 (.mtp)
# 读取Minitab数据文件
data_minitab <- read.mtp("data.mtp")

# 1.5 Matlab文件 (.mat)
# 安装和加载R.matlab包
install.packages("R.matlab")
library(R.matlab)

# 读取Matlab数据文件
data_matlab <- readMat("data.mat")

# 1.6 ERSI ArcGIS文件
# 安装和加载shapefiles包
install.packages("shapefiles")
library(shapefiles)

# 读取shapefile
data_shapefile <- read.shapefile("data.shp")

# 1.7 Systat文件
# 读取Systat数据文件
data_systat <- read.systat("data.sys")

# 1.8 R.matlab文件
# 安装和加载R.matlab包
install.packages("R.matlab")
library(R.matlab)

# 读取Matlab数据文件
data_matlab <- readMat("data.mat")

2、小提示

如果您正在使用苹果的 MAC 相关系统，那么必然会接触到 iCloud 服务等。然而，当处理大量数据资源，尤其是涉及隐私或机密信息时，您或许并不愿意将所有文件都上传至云存储服务（如 iCloud）。在 Mac 电脑中，存在众多文件夹可能存有大量敏感或庞大的数据，您可能期望能够有选择地将部分文件上传至云端，以此保障安全性以及实现存储空间的有效管理。要达成这一目标，您能够运用一种简便的方式：命名的方式。

～～～～～～～～～～

随着数据科学行业的迅速发展，工具的种类和使用方法层出不穷，传统的纸质R语言教材由于篇幅限制和出版审核的繁琐程序，难以及时涵盖最新的技术动态和复杂应用场景。此外，市面上虽有不少R语言免费视频，但大多仅面向初学者，缺乏对如医药等复杂领域的深入探讨。为了解决这些问题，我们在CSDN论坛推出了《用R 探索医药数据科学》专栏。这一专栏将持续更新，不仅是一份教材，更是你掌握最新、最全医药数据科学的得力助手。我们为你精心整理了领域内的深度资料，提供专业且实战导向的内容，帮助你高效提升研究能力，加快医药数据科学领域科研成果的产出。