这一节介绍数据的读入和写入，要在R中做数据分析，首先需要将相关的数据读入，读入的方法多种多样，即使同一个文件，加载不同的包都有不同的读入方法，这里介绍一些比较常见的。
可以通过直接输入的方式输入数据，编辑的对象是数据框，如：
data1<-data.frame(1,2,2) fix(data1)这里的fix函数是打开表格，你就可以直接输入数据，打开的操作界面如下：
然后我们在第二行第一列直接输入一个数据3，然后点击关闭
然后再打开，可以看到数据3已经在里面了：
还有另一个很类似的是edit，这个是编辑变量的名称和类型粘贴板中读入
这个是表示已经将数据复制了，这时候是存储在内存里面，通过read.table中clipboard读入的，例如你复制了一个excel表格数据，然后运行如下代码：
data2<-read.table("clipboard", header = T,sep = '\t') head(data2)然后你在用head（data2）看一下数据的格式有没问题，现在Rstudio已经能够完美支持中文的了，三四年前读入中文还是乱码的。
read.table的功能很强大，具体在后面再详细介绍。
前面两种能读入的数据量级和效率是比较糟糕的，通常在分析的时候是读入外部文件和直接连接数据库去处理数据，下面介绍读入外部文件的，对于数据的外部文件格式有很多，下面只介绍比较常用的几种。
这个一种很常见的数据文件格式，很多API导出都会通过这种格式保存，或是部分人在处理数据的时候，会现在excel做数据的清理工作，然后保存为csv，再通过分析工具读入去做分析建模工作。
csv格式的读入很简单，如data3<-read.csv("D:\\data\\1.csv",header = T)这里需要特别注意，在window下面用R的，所以路径数\\。Linux下我没用过，所以不知道。
txt的文件也是用read.csv，如
data3<-read.table("D:\\data\\1.txt",header = F)read.table除了前面出现的header和sep参数外，还有其他很多的参数，这些参数可以帮助你准确导入你想要的数据，read.table使用格式是这样的：
read.table(file, header = FALSE, sep ="", quote = "\"'", dec = ".", row.names,col.names, as.is = !stringsAsFactors, na.strings = "NA", colClasses = NA, nrows= -1, skip = 0, check.names = TRUE, fill =!blank.lines.skip, strip.white = FALSE, blank.lines.skip =TRUE, comment.char = "#", allowEscapes = FALSE, flush =FALSE, stringsAsFactors =default.stringsAsFactors(), fileEncoding = "", encoding = "unknown",text)主要参数的意思如下：
读入xlsx需要下加载xlsx包，如果没有这个包的请自行安装，这个包的使用会依赖rJava和xlsxjars，所以这两个也是要安装的，还要有java的环境，用法如：
library(xlsx) data4<-read.xlsx("D:\\data\\file.xlsx",sheetIndex=1,header=TRUE)sheetIndex用来选择读取的sheet表格
在这里以连接MySQL为例子，我用的报R包是RMysQL，这个包使用比较方便，不用做其他设置，如果你用RODBC，那么你还需要做数据源配置，比较麻烦，RMySQL的用法是：
library(RMySQL) mycon<-dbConnect(MySQL(),dbname="world",username="root",password="123456",host="127.0.0.1",port=3306) #连接数据库，注意这里是连接到特定的库 dbListTables(mycon) #看看这个库有什么表 res<-dbSendQuery(mycon, "SELECT *FROM city") #查询出数据 data <-dbFetch(res) #加载到数据框这要数据就加载到数据框了。