Excel文件是日常工作中最常见的数据处理软件之一，如何读取

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

Excel文件是日常工作中最常见的数据处理软件之一，虽然有时候，我们可以将EXCEL的文件转化为更加普遍的CSV格式。尽管CSV格式在数据处理和交换中非常流行，但在处理复杂的Excel文件时，例如需要保留公式、格式或多个工作表的文件，直接读取Excel文件更为方便和高效。

Excel文件通常有两种格式：.xls和.xlsx。.xls是早期的Excel版本使用的格式，而.xlsx是从Excel 2007版本开始使用的更新格式。.xlsx格式基于XML标准，支持更大的数据容量和更复杂的格式设置。

	`.xls`（Excel 97-2003格式）	`.xlsx`（Excel 2007及之后格式）
文件扩展名	`.xls`	`.xlsx`
文件结构	二进制格式	基于XML的压缩文件格式
最大行数	65,536行	1,048,576行
最大列数	256列	16,384列
文件大小限制	通常较小（约2GB）	较大（理论上无实际限制）
支持的单元格样式	限制较多，样式功能较少	支持更多样式和格式
公式支持	支持基本公式和一些函数	支持更复杂的公式和更多函数
图表支持	支持基本图表	支持更多图表类型和图表功能
数据验证	基本的数据验证功能	支持复杂的数据验证和条件格式
跨平台兼容性	较差，可能需要转换为其他格式	更好，广泛支持于各种应用和平台
读取/写入支持	老旧版本的Excel和其他软件通常支持	大多数现代应用程序和库支持
使用环境	旧版Excel（2003及之前版本）	新版Excel（2007及之后版本）
安全性	较低，易受潜在风险影响	提供更好的数据保护和加密选项

`openxlsx`包简介

openxlsx包是R中用于读取、写入和格式化Excel文件的工具。与其他Excel处理包相比，openxlsx包不依赖于Java，操作更为简洁高效，支持多种Excel格式的读写。在使用openxlsx包之前，需要首先安装并加载该包。可以通过以下命令安装并加载openxlsx。

install.packages("openxlsx")
library(openxlsx)

要读取Excel文件中的数据，可以使用read.xlsx()函数。这个函数允许我们将Excel文件中的数据导入到R的data.frame中进行进一步分析。read.xlsx()函数的基本语法如下：

read.xlsx(file, sheet = 1, colNames = TRUE, rowNames = FALSE)

file：指定Excel文件的路径。

sheet：指定要读取的工作表编号或名称。默认值是1，表示第一个工作表。

colNames：逻辑值，指示是否将第一行作为列名。默认为TRUE。

rowNames：逻辑值，指示是否将第一列作为行名。默认为FALSE。

假设我们有一个名为frmgham.xlsx的Excel文件，其中第一个工作表包含我们需要的数据（Excel文件可以包含多个工作表，这点一定要注意）。我们可以使用以下代码将其读取到R中：

# 读取Excel文件中的第一个工作表
frmgham <- read.xlsx("frmgham.xlsx", sheet = 1)

# 查看数据框的前几行
head(frmgham)

除了读取Excel文件，openxlsx包还支持将数据写入Excel文件。我们可以使用write.xlsx()函数将数据框保存为Excel文件。继续使用之前读取的数据框frmgham，我们可以将其保存为一个新的Excel文件Myfrmgham.xlsx。

# 将数据框写入新的Excel文件
write.xlsx(frmgham, "Myfrmgham.xlsx")

# 查看文件保存成功的消息
cat("数据已成功保存到 Myfrmgham.xlsx 文件中。\n")

～～～～～～～～～～

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。