第 7 周

数据导入与齐整

“问渠那得清如许？为有源头活水来。” 在上一讲中我们主要讲述 dplyr 包基于数据操作语法（A Grammar of Data Manipulation）的核心函数，并利用 nycflights13 包提供的数据集作为示例。数据操作语法想要达到其预期目标依赖于其所操作的 tibble 对象为“齐整的数据”（tidy data），而在数据科学实践中我们往往会从不同来源读取 / 导入形形色色的数据集，这就需要我们掌握 tidyverse 中与数据导入和数据齐整有关的 R 包及其核心函数。

本讲主要涵盖以下几方面的内容：

1. 数据导入

• 读入矩形文本数据：readr 包
• 读入其它类型的数据

2. 数据齐整

• 齐整数据
• tidyr 包
• pivot_longer() 和 pivot_wider()
• separate_*() 和 unite()
• pivot_*() 和 separate_*()：一个复杂案例
• unnest_*() 和 hoist()

---

1. 课前准备

📖 预习 R for Data Science, 2e 第一部分 Whole game 中关于数据导入和数据齐整的章节，即 8 Data import 和 6 Data tidying。

此书第1版有中文翻译版 《R数据科学》出版，对应章节为“第7章 使用tibble实现简单数据框”和“第8章 使用readr进行数据导入”（很遗憾，原书关于 tidyr 包的第12章在翻译版中并未出现，🙃）。若同学们觉得直接阅读英文原版教材有点吃力 / 费时，可参阅中文翻译版。

由于上课内容较多，而上课时间有限，上课节奏预计较快，有些内容甚至会一带而过，请同学们务必腾出时间来过一遍上述预习章节的内容。

🖥️ 我准备的基于 xaringan包 的 网页版讲义，供同学们参考。

2. 课堂讲义

🖥️ 第5讲 数据导入与齐整

3. 随堂练习

⌨️ [见课堂讲义]

4. 课后作业

✍️ 课后作业