3

Nhập dữ liệu 
 

      Muốn làm phân tích dữ liệu bằng R, chúng ta phải có sẵn dữ liệu ở dạng mà R có thể hiểu được để xử lí. Dữ liệu mà R hiểu được phải là dữ liệu trong một data.frame. Có nhiều cách để nhập số liệu vào một data.frame trong R, từ nhập trực tiếp đến nhập từ các nguồn khác nhau. Sau đây là những cách thông dụng nhất:  
 

3.1  Nhập số liệu trực tiếp: c() 
 

      Ví dụ 1: chúng ta có số liệu về độ tuổi và insulin cho 10 bệnh nhân như sau, và muốn nhập vào R.  
 

 
 

Chúng ta có thể sử dụng function có tên c như sau:  
 

> age <- c(50,62, 60,40,48,47,57,70,48,67) 
 

> insulin <- c(16.5,10.8,32.3,19.3,14.2,11.3,15.5,

               15.8,16.2,11.2) 
 

      Lệnh thứ nhất cho R biết rằng chúng ta muốn tạo ra một cột dữ liệu ( sẽ gọi là biến số, tức variable) có tên là age, và lệnh thứ hai là tạo ra một cột khác có tên là insulin.  Tất nhiên, chúng ta có thể lấy một tên khác mà mình thích.  
 

      Chúng ta dùng function c (viết tắt của chữ concatenation – có nghĩa là “móc nối vào nhau”) để nhập dữ liệu.  Chú ý rằng mỗi số liệu cho mỗi bệnh nhân được cách nhau bằng một dấu phẩy. 

      Kí hiệu insulin <- (cũng có thể viết là insulin =) có nghĩa là các số liệu theo sau sẽ có nằm trong biến số insulin.  Chúng ta sẽ gặp kí hiệu này rất nhiều lần trong khi sử dụng R. 

      R là một ngôn ngữ cấu trúc theo dạng đối tượng (thuật ngữ chuyên môn là “object-oriented language”), vì mỗi cột số liệu hay mỗi một data.frame là một đối tượng (object) đối với R. Vì thế, age và insulin là hai đối tượng riêng lẻ. Bây giờ chúng ta cần phải nhập hai đối tượng này thành một data.frame để R có thể xử lí sau này. Để làm việc này chúng ta cần đến function data.frame:  
 

> tuan <- data.frame(age, insulin) 
 

Trong lệnh này, chúng ta muốn cho R biết rằng nhập hai cột (hay hai đối tượng) age và insulin vào một đối tượng có tên là tuan.   
 

Đến đây thì chúng ta đã có một đối tượng hoàn chỉnh để tiến hành phân tích thống kê.  Để kiểm tra xem trong tuan có gì, chúng ta chỉ cần đơn giản gõ:  
 

> tuan 
 

Và R sẽ báo cáo:  
 

   age insulin

1   50    16.5

2   62    10.8

3   60    32.3

4   40    19.3

5   48    14.2

6   47    11.3

7   57    15.5

8   70    15.8

9   48    16.2

10  67    11.2 
 

Nếu chúng ta muốn lưu lại các số liệu này trong một file theo dạng R, chúng ta cần dùng lệnh save.  Giả dụ như chúng ta muốn lưu số liệu trong directory có tên là “c:\works\stats”, chúng ta cần gõ như sau:  
 

> setwd(“c:/works/stats”)

> save(tuan, file=”tuan.rda”) 
 

Lệnh đầu tiên (setwd – chữ wd có nghĩa là working directory) cho R biết rằng chúng ta muốn lưu các số liệu trong directory có tên là “c:\works\stats”.  Lưu ý rằng thông thường hệ thống Windows dùng dấu backward slash “\”, nhưng trong R chúng ta dùng dấu forward slash “/”.  
 

Lệnh thứ hai (save) cho R biết rằng các số liệu trong đối tượng tuan sẽ lưu trong file có tên là “tuan.rda”).  Sau khi gõ xong hai lệnh trên, một file có tên tuan.rda sẽ có mặt trong directory đó.  
 

3.2  Nhập số liệu trực tiếp: edit(data.frame()) 
 

Ví dụ 1 (tiếp tục): chúng ta có thể nhập số liệu về độ tuổi và insulin cho 10 bệnh nhân bằng một function rất có ích, đó là: edit(data.frame()).  Với function này, R sẽ cung cấp cho chúng ta một cửa sổ mới với một dãy cột và dòng giống như Excel, và chúng ta có thể nhập số liệu trong bảng đó.  Ví dụ:  
 

> ins <- edit(data.frame())  
 

Chúng ta sẽ có một window như sau:  

 

Ở đây, R không biết chúng ta có biến số nào, cho nên R liệt kê các biến số var1, var2, v.v… Nhấp chuột vào cột var1 và thay đổi bằng cách gõ vào đó age. Nhấp chuột vào cột var2 và thay đổi bằng cách gõ vào đó insulin. Sau đó gõ số liệu cho từng cột.  Sau khi xong, bấm nút chéo X ở góc phải của spreadsheet, chúng ta sẽ có một data.frame tên ins với hai biến số age và insulin.

 

3.3  Nhập số liệu từ một text file: read.table 

      Ví dụ 2:  Chúng ta thu thập số liệu về độ tuổi và cholesterol từ một nghiên cứu ở 50 bệnh nhân mắc bệnh cao huyết áp.  Các số liệu này được lưu trong một text file có tên là chol.txt tại directory c:\works\stats.  Số liệu này như sau: cột 1 là mã số của bệnh nhân, cột 2 là giới tính, cột 3 là body mass index (bmi), cột 4 là HDL cholesterol (viết tắt là hdl), kế đến là LDL cholesterol, total cholesterol (tc) và triglycerides (tg). 

   id    sex    age     bmi     hdl    ldl   tc     tg

    1    Nam     57     17    5.000    2.0   4.0    1.1

    2    Nu      64     18    4.380    3.0   3.5    2.1

    3    Nu      60     18    3.360    3.0   4.7    0.8

    4    Nam     65     18    5.920    4.0   7.7    1.1

    5    Nam     47     18    6.250    2.1   5.0    2.1

    6    Nu      65     18    4.150    3.0   4.2    1.5

    7    Nam     76     19    0.737    3.0   5.9    2.6

    8    Nam     61     19    7.170    3.0   6.1    1.5

    9    Nam     59     19    6.942    3.0   5.9    5.4

  10    Nu      57     19    5.000    2.0   4.0    1.9

... 
 

   44    Nam     45     24    5.450    2.8   6.0    2.6

   45    Nam     63     24    5.000    3.0   4.0    1.8

   46    Nu      52     24    3.360    2.0   3.7    1.2

   47    Nam     64     24    7.170    1.0   6.1    1.9

   48    Nam     45     24    7.880    4.0   6.7    3.3

   49    Nu      64     25    7.360    4.6   8.1    4.0

   50    Nu      62     25    7.750    4.0   6.2    2.5 
 

      Chúng ta muốn nhập các dữ liệu này vào R để tiện việc phân tích sau này.  Chúng ta sẽ sử dụng lệnh read.table như sau:  
 

> setwd(“c:/works/stats”)

> chol <- read.table("chol.txt", header=TRUE) 
 

      Lệnh thứ nhất chúng ta muốn đảm bảo R truy nhập đúng directory mà số liệu đang được lưu giữ.  Lệnh thứ hai yêu cầu R nhập số liệu từ file có tên là “chol.txt” (trong directory c:\works\stats) và cho vào đối tượng chol.  Trong lệnh này, header=TRUE có nghĩa là yêu cầu R đọc dòng đầu tiên trong file đó như là tên của từng cột dữ kiện. 

Chúng ta có thể kiểm tra xem R đã đọc hết các dữ liệu hay chưa bằng cách ra lệnh:  
 

> chol   
 

hay  
 

> names(chol) 
 

R sẽ cho biết có các cột như sau trong dữ liệu (name là lệnh hỏi trong dữ liệu có những cột nào và tên gì):   
 

[1] "id"  "sex" "age" "bmi" "hdl" "ldl" "tc"  "tg" 
 

Bây giờ chúng ta có thể lưu dữ liệu dưới dạng R để xử lí sau này bằng cách ra lệnh:  
 

> save(chol, file="chol.rda") 
 
 
 

3.4  Nhập số liệu từ Excel: read.csv 
 

Để nhập số liệu từ phần mềm Excel, chúng ta cần tiến hành 2 bước:  
 

• Bước 1: Dùng lệnh “Save as” trong Excel và lưu số liệu dưới dạng “csv”;
• Bước 2: Dùng R (lệnh read.csv) để nhập dữ liệu dạng csv.

 
 

Ví dụ 3:  Một dữ liệu gồm các cột sau đây đang được lưu trong Excel, và chúng ta muốn chuyển vào R để phân tích.  Dữ liệu này có tên là excel.xls. 
 

 
 

Việc đầu tiên là chúng ta cần làm, như nói trên, là vào Excel để lưu dữ liệu dưới dạng csv:  
 

• Vào Excel, chọn File à Save as

 
 

• Chọn Save as type “CSV (Comma delimited)”

 

 

Sau khi xong, chúng ta sẽ có một file với tên “excel.csv” trong directory “c:\works\stats”.  
 

Việc thứ hai là vào R và ra những lệnh sau đây:  
 

> setwd(“c:/works/stats”)

> gh <- read.csv ("excel.txt", header=TRUE)] 
 

Lệnh thứ hai read.csv yêu cầu R đọc số liệu từ “excel.csv”, dùng dòng thứ nhất là tên cột, và lưu các số liệu này trong một object có tên là gh.   
 

Bây giờ chúng ta có thể lưu gh dưới dạng R để xử lí sau này bằng lệnh sau đây:  
 

> save(gh, file="gh.rda")  
 

3.5  Nhập số liệu từ một SPSS: read.spss 
 

      Phần mềm thống kê SPSS lưu dữ liệu dưới dạng “sav”.  Chẳng hạn như nếu chúng ta đã có một dữ liệu có tên là testo.sav trong directory c:\works\stats, và muốn chuyển dữ liệu này sang dạng R có thể hiểu được, chúng ta cần sử dụng lệnh read.spss trong package có tên là foreign.  Các lệnh sau đây sẽ hoàn tất dễ dàng việc này: 
 

Việc đầu tiên chúng ta cho truy nhập foreign  bằng lệnh library: 
 

> library(foreign) 
 

Việc thứ hai là lệnh read.spss: 
 

> setwd(“c:/works/stats”)

> testo <- read.spss(“testo.sav”, to.data.frame=TRUE)

Lệnh thứ hai read.spss yêu cầu R đọc số liệu từ “testo.sav”, và cho vào một data.frame có tên là testo.    
 

Bây giờ chúng ta có thể lưu testo dưới dạng R để xử lí sau này bằng lệnh sau đây:  
 

> save(testo, file="testo.rda")  
 

3.6  Thông tin cơ bản về dữ liệu 
 

Giả dụ như chúng ta đã nhập số liệu vào một data.frame có tên là chol như trong ví dụ 1.  Để tìm hiểu xem trong dữ liệu này có gì, chúng ta có thể nhập vào R như sau:  
 

• Dẫn cho R biết chúng ta muốn xử lí chol bằng cách dùng lệnh attach(arg) với arg là tên của dữ liệu..

> attach(chol) 
 

• Chúng ta có thể kiểm tra xem chol có phải là một data.frame không bằng lệnh is.data.frame(arg) với arg là tên của dữ liệu.  Ví dụ:

> is.data.frame(chol)

[1] TRUE 
 

R cho biết chol quả là một data.frame.  
 

• Có bao nhiêu cột (hay variable = biến số) và dòng số liệu (observations) trong dữ liệu này?  Chúng ta dùng lệnh dim(arg) với arg là tên của dữ liệu.  (dim viết tắt chữ dimension).  Ví dụ (kết quả của R trình bày ngay sau khi chúng ta gõ lệnh):

> dim(chol)

[1] 50  8 
 

• Như vậy, chúng ta có 50 dòng và 8 cột (hay biến số).  Vậy những biến số này tên gì?  Chúng ta dùng lệnh names(arg) với arg là tên của dữ liệu.  Ví dụ:

 
 

> names(chol)

[1] "id"  "sex" "age" "bmi" "hdl" "ldl" "tc"  "tg" 
 

• Trong biến số sex, chúng ta có bao nhiêu nam và nữ?  Để trả lời câu hỏi này, chúng ta có thể dùng lệnh table(arg) với arg là tên của biến số.  Ví dụ:

> table(sex)

sex

nam Nam  Nu

  1  21  28 
 

Kết quả cho thấy dữ liệu này có 21 nam và 28 nữ.  
 

Trên đây là vài cách nhập dữ liệu vào R.Trong thực tế, R có thể đọc dữ liệu từ rất nhiều phần mềm thông dụng, kể cả các phần mềm thống kê như SPSS (mà chúng ta đã xem qua), SAS, STATA, v.v… Nhưng để đọc dữ liệu từ các phần mềm này, bạn đọc cần phải tải package foreign về máy và cài đặt vào R.  Package foreign có thể tải từ website chính thức của R.