R 数据分析：高效读取 Excel 文件（附替代方案与代码示例）
2025-12-17
在 R 中读取 Excel 文件，最常用和推荐的是 readxl 包，因为它不需要外部软件（如 Java 或 Perl），并且支持 .xls 和 .xlsx 格式。
首先，你需要安装并加载 readxl 包
# 1. 安装 readxl 包（如果尚未安装）
install.packages("readxl")
# 2. 加载 readxl 包
library(readxl)
# 3. 读取 Excel 文件（默认读取第一个工作表）
# 请将 "path/to/your/file.xlsx" 替换为你的实际文件路径
data_excel <- read_excel("path/to/your/file.xlsx")
# 4. 读取指定的工作表（通过名称或索引）
# 读取名为 "Sheet2" 的工作表
data_sheet2 <- read_excel("path/to/your/file.xlsx", sheet = "Sheet2")
# 读取第二个工作表（索引从 1 开始）
data_sheet_index2 <- read_excel("path/to/your/file.xlsx", sheet = 2)
# 5. 读取指定的单元格范围
# 只读取 A1 到 D10 范围的数据
data_range <- read_excel("path/to/your/file.xlsx", range = "A1:D10")
常见问题详细说明解决方案/示例代码文件找不到 (File Not Found)文件路径不正确，或者文件不在 R 的当前工作目录中。仔细检查文件路径。 确保路径中的斜杠方向正确 (/ 或 \\)。使用 setwd() 设置工作目录或使用完整路径。包未安装/加载忘记运行 install.packages("readxl") 或 library(readxl)。先安装和加载包。install.packages("readxl")library(readxl)工作表名错误 (Sheet Not Found)指定的工作表名称不存在或大小写不匹配（R 对大小写敏感）。核对工作表名称。 可以使用 excel_sheets() 函数查看 Excel 文件中的所有工作表名称R
excel_sheets("path/to/your/file.xlsx")
数据类型识别错误Excel 中的列数据类型被 R 错误地识别（例如，数字被识别为文本）。使用 col_types 参数手动指定列的数据类型R
data_types <- read_excel(
"file.xlsx",
col_types = c("numeric", "text", "date", "list")
)
多余的标题行或脚注你的 Excel 文件在数据开始之前有几行说明文字或标题，或者数据下面有脚注。使用 skip 参数跳过开头的行数R
# 跳过前 3 行
data_skip <- read_excel("file.xlsx", skip = 3)
缺失值 (NA) 表示不一致Excel 中用不同符号（如 -、N/A、空字符串）表示缺失值。使用 na 参数指定应被视为缺失值的字符串R
data_na <- read_excel(
"file.xlsx",
na = c("", "N/A", "-")
)
虽然 readxl 是首选，但在特定场景下，你可能需要考虑其他包。
优点 读写性能优秀，不需要外部依赖（如 Java）。
用法示例
install.packages("openxlsx")
library(openxlsx)
# 读取工作表（类似于 readxl 的基础用法）
data_openxlsx <- read.xlsx("path/to/your/file.xlsx", sheet = 1)
# 注意：openxlsx 的参数与 readxl 略有不同，但功能相似。
优点 功能强大，不仅可以读写，还可以操作 Excel 文件（如修改样式）。
缺点 依赖 Java 环境，设置起来可能比较麻烦。
用法示例
install.packages("xlsx")
library(xlsx)
# 读取工作表
# sheetIndex 或 sheetName 参数
data_xlsx <- read.xlsx("path/to/your/file.xlsx", sheetIndex = 1)
优点 最可靠 的方法，几乎不会出现兼容性或格式问题，速度快（尤其是对于大型数据集）。
缺点 需要手动在 Excel 中执行“另存为”操作，步骤多了一步。
用法示例
在 Excel 中将文件另存为 CSV (逗号分隔值) 或 TXT (制表符分隔) 文件。
在 R 中使用基础函数读取
# 导入 CSV 文件
# header=TRUE 表示第一行是列名
# stringsAsFactors=FALSE（或默认 FALSE）防止字符型数据自动转换为因子
data_csv <- read.csv(
"path/to/your/file.csv",
header = TRUE,
stringsAsFactors = FALSE
)
# 导入 TXT（制表符分隔）文件
# sep="\t" 表示使用制表符作为分隔符
data_txt <- read.delim(
"path/to/your/file.txt",
header = TRUE,
stringsAsFactors = FALSE,
sep = "\t"
)
包优点缺点推荐度readxl无依赖、支持 .xls/.xlsx、速度快。只能读取、不能写入。 (首选)openxlsx无依赖、可读可写、速度快。某些高级操作可能不如 xlsx。CSV/TXT 转换兼容性最好、速度最快。需要多一个手动转换步骤。xlsx功能强大、可读可写可操作。依赖 Java 环境，配置复杂。 我的建议 优先使用 readxl，它能解决大多数 Excel 导入问题。如果遇到非常复杂的 Excel 格式（多层标题、大量合并单元格等），最好是在 Excel 里先整理干净，或者直接另存为 CSV 文件再导入。