Guida per Principianti sui File CSV in R

Ciao a tutti, futuri programmatori R! Oggi ci imbarcheremo in un viaggio emozionante nel mondo dei file CSV in R. Non preoccupatevi se non avete mai scritto una riga di codice prima - sarò il vostro guida amichevole in ogni passo. Alla fine di questo tutorial, gestirete i file CSV come un professionista!

Cos'è un File CSV?

Prima di immergerci, iniziiamo con le basi. CSV significa "Valori Separati da Virgola". È un formato di file semplice utilizzato per memorizzare dati tabellari, come fogli di calcolo o database. Ogni riga in un file CSV rappresenta una riga di dati, e ogni campo è separato da una virgola. Semplice, vero?

Ottenere e Impostare la Directory di Lavoro

Quando si lavora con file in R, è fondamentale capire dove R sta cercando questi file. Questo luogo è chiamato "directory di lavoro".

Controllare la Directory di Lavoro Attuale

Per scoprire la tua directory di lavoro attuale, usa questo comando:

getwd()

Quando esegui questo comando, R ti dirà il percorso attuale che sta utilizzando. Ad esempio, potrebbe restituire qualcosa come:

[1] "C:/Users/YourName/Documents"

Impostare una Nuova Directory di Lavoro

Se vuoi cambiare la tua directory di lavoro, usa la funzione setwd():

setwd("C:/Path/To/Your/Desired/Directory")

Ricorda di usare barre oblique (/) o doppi backslash (\) nel tuo percorso, anche su Windows!

Input come File CSV

Ora che sappiamo dove R sta cercando i file, parliamo di ottenere dati in R da un file CSV.

Leggere un File CSV

R rende facilissimo leggere file CSV con la funzione read.csv(). Ecco come usarla:

data <- read.csv("your_file.csv")

Questo comando legge il file CSV chiamato "your_file.csv" e lo memorizza in una variabile chiamata data.

Supponiamo di avere un file CSV chiamato "students.csv" con informazioni sugli studenti. Ecco come lo leggeremmo:

students <- read.csv("students.csv")

Dopo aver eseguito questo comando, students sarà un data frame contenente tutte le informazioni dal file CSV.

Visualizzare i Dati

Per dare un'occhiata ai tuoi dati appena importati, puoi usare queste utili funzioni:

head(students)  # Mostra le prime 6 righe
str(students)   # Mostra la struttura dei dati
summary(students)  # Fornisce una sintesi di ogni colonna

Analizzare il File CSV

Ora che abbiamo i nostri dati in R, facciamo un po' di analisi di base!

Accedere alle Colonne

Puoi accedere a singole colonne usando il simbolo $:

students$age  # Restituisce tutti i valori nella colonna 'age'

Statistiche di Base

R ha molte funzioni incorporate per l'analisi statistica:

mean(students$age)    # Calcola l'età media
median(students$age)  # Trova l'età mediana
max(students$age)     # Trova l'età massima
min(students$age)     # Trova l'età minima

Filtrare i Dati

Puoi anche filtrare i tuoi dati in base a condizioni:

honor_students <- students[students$gpa > 3.5, ]

Questo crea un nuovo data frame honor_students contenente solo gli studenti con un GPA superiore a 3.5.

Scrivere in un File CSV

Come possiamo leggere da file CSV, possiamo anche scrivere in essi. Questo è utile quando hai manipolato i tuoi dati e vuoi salvare i risultati.

Per scrivere un data frame in un file CSV, usa la funzione write.csv():

write.csv(honor_students, "honor_students.csv")

Questo comando creerà un nuovo file chiamato "honor_students.csv" nella tua directory di lavoro, contenente i dati del data frame honor_students.

Opzioni Importanti per write.csv()

Ecco alcune opzioni utili che puoi usare con write.csv():

Opzione	Descrizione
row.names = FALSE	Esclude i nomi delle righe dall'output
quote = FALSE	Impedisce la quotazione delle stringhe
na = "NA"	Specifica come rappresentare i valori mancanti

Ad esempio:

write.csv(honor_students, "honor_students.csv", row.names = FALSE)

Questo scriverà il file CSV senza includere i nomi delle righe.

Conclusione

Congratulations! Hai appena imparato le basi del lavoro con i file CSV in R. Dalla lettura dei file all'analisi dei dati e alla scrittura di nuovi file, ora hai le competenze di base per iniziare il tuo viaggio di analisi dei dati.

Ricorda, la pratica fa perfezione. Prova a lavorare con diversi file CSV, esperimenta con diverse funzioni e non abbiate paura di fare errori - è così che impariamo!

Buon coding, e possa i tuoi dati essere sempre puliti e le tue analisi ispirate!

Credits: Image by storyset