要做数据分析，第一步首先要有数据。R可以采用手动输入，也可以读取文件。实用点讲，主要应该是读取文件居多。因为，一方面数据量可能很大，手动输入不现实。另一方面即使是少量的数据，我们在做分析的时候也最好是将数据保存成文件，这样修改分析步骤时，就可以免去重新输入数据。所以，我在这里重点介绍从文件中读取数据。
但是在我们读取数据之前，我们还需要了解一下R内置的数据结构。因为，当数据读取进来后，不同的数据格式需要保存为不同的数据结构类型。R中内置的数据结构包括标量、向量、矩阵、数组、数据框和列表。标量、向量、矩阵及数组的维数分别为0~3维，其中保存的数据类型（数值、字符或逻辑）必须一致。这几个对于仅保存数据而言，已经足够了。但是对于R分析而言，不够好。因为数据列表中的数据类型往往不一样。所以，R中内置了数据框和列表。这两个允许其中元素的数据类型不一致，更为灵活。这里本应该给出一些实例来表明这些数据类型都是如何创建的。但是我不准备这么做。因为一方面这些都很简单，随便找到一个入门教程都会告诉你如何做。另一方面，这些工作很烦，我自己输入会浪费我的时间，如果你照着笔画的话，浪费的时间更多 。
让我们开始在数据的海洋里学会不同的泳姿吧！且慢，我们的目标是用R进行数据分析，不同类型的文件一般都能够很轻易的转化为文本格式的文件。所以，为了不让我们分心，我们只需要掌握一种即可。那么我们就掌握最基本的”狗刨“——纯文本文件读取吧。
非常简单的一条语句
data <- read.table( file, options)
如何记它？读，表格。文件名是file。读完存储的变量是data。是不是还挺容易？options是读取内容时的一些选项。常用的选项有是否有表头header？分割符是什么sep？需要跳过的行数skip?这应该是最为实用常用的几个参数。还有另外几个不常用就没有在这里讲。看到这里，你是否会感觉到有点头疼？这么多参数记不住咋办？不要紧，到用的时候查一下。
help("read.table")
?read.table
上边这两句都可以。看你喜欢。我用RStudio，输入后，能够在帮助页面看到完整详细的帮助。
现在我们来试一下。自己做一个文本数据表。如下图
保存为data.txt。路径位于RStudio的当前工作目录下。（我把它放在项目的根目录下，项目已经用RStudio建好。这样以后每次打开这个项目，工作目录也会转到这个项目下。）该数据的每一个字符类型都用单引号封闭，数据与数据之间由空格分割，并且有表头。则读取方式为
d <- read.table("./data.txt", header = TRUE, sep=' ',quote = "\'")
这里采用了相对路径。也可以将./省去，一样代表相对路径。这样数据就保存在d中了。d的类型为数据框。
就这样，数据进来了。
可视化导入数据
现在感觉怎么样？简单吗？你可能说不简单，我不想写代码。没问题，我们可以用RStudio可视化操作导入数据。下面让我们来实践一下。选择菜单
File->Import Dataset
你能够看到可以导入text, Excel, Spss, Sas, Stata各式各样的数据。请根据你的文件类型选对应的菜单吧。如果你第一次选择其中的有些功能，它可能会给你安装一些额外的库。只需要确定安装即可。
我们选择一个基础的作为例子吧。From Text(Base)
在对话框的左侧有各种能够设置的参数。右边有文件内容和将要导入后的数据预览。这里的参数包含了所有的options里边的设置。不需要写代码，也不需要记。选择好后，点击import就ok了。
简单吧！
*用From text（readr）可以读取网络数据。
