R语言之xlsx包读写Excel数据的操作

感谢Adrian A. Drǎgulescu发布的xlsx包

xlsx包提供了必要的工具来与Excel 2007进行交互。用户可以阅读和编写xlsx，并可以通过设置数据格式、字体、颜色和边框来控制电子表格的外观。设置打印区域，缩放控制，创建分割和冻结面板，添加页眉和页脚。包使用Apache POI项目中的java库。本篇主要分享利用xlsx工具包在读写xlsx过程中所碰到的问题及解决办法。

工具准备

强烈建议大家使用RStudio这个IDE，它是以今为止对R语言最友好的一个IDE之一，而且使用很方便。特别是在新包下载安装的时候，只需请求要安装的包名，RStudio会自动将关联的其他包也一并下载并安装。

安装R、安装RStudio；

一个简单的示例数据（本次以iris鸢尾花数据为例）；

下载安装xlsx（Rstudio会同步下载并安装rJava, xlsxjars两个包）；

> # 下载并安装xlsx包
> install.packages("xlsx")
> library(xlsx)

【基础】简单读取excel文件数据

假如是csv或txt等文本类的数据文件，利用R内置函数read.csv()与read.table()就可读取（注意编码格式的参数设置）。Excel由于使用范围最广，很多问题不可避免，因此，xlsx包提供了专门读取xlsx的函数read.xlsx和read.xlsx2，为什么有两个呢？请看以下区别：

其实只是细微的差别，大家自己体会即可。下面给个参考案例：

> # 指定file和sheetIndex（或sheetName），即可定位到相应的工作表
> data1 <- read.xlsx("iris.xlsx",sheetIndex = 1)
> head(data1)

【基础】简单写入数据到excel文件

切莫用R内置函数read.csv()与read.table()去生成xlsx文件，会有你意想不到的麻烦，还是采用专业的包来解决问题吧。 xlsx包同样提供了两个写入数据的函数write.xlsx()和write.xlsx2()，其中细微区别自行参透（注意参数 ...）。

下面是参考案例：

># 指定x待写入数据，file生成的文件名，row.names为false则不生成行名，指定sheet工作表名为Sheet1
>write.xlsx(iris, file = "iris.xlsx", row.names = FALSE, sheetName = "Sheet1")

想必会有人在这里踩坑，大家应该注意到有一个append的参数，是否认为将其值设置为TRUE的话，就可以多次向表中写入数据？那就真踩坑了。查看xlsx包中的注释也很模糊：

> # a logical value indicating if x should be appended to an existing file.
> # 翻译：一个逻辑值，指示是否应该将x附加到现有文件中

附加到现有文件中，实际上是增加新的sheet，而非在原有sheet工作表中继续增加数据。如需在同一个sheet工作表中多次增加数据，请继续往下看。

【进阶】随心所欲读取excel中的各种信息

说随心所欲 一点不夸张，不仅可以取出excel中的数据，还能识别excel单元格的样式（包括颜色、字体、大小、标注、数据类型等等）。其原理与数据库有点相似，先是定义一个工作簿的对象，再基于工作簿定义里面的工作表，进而逐级查询。下面进行详细介绍：

【样例数据】文件名：iris10.xlsx。

声明一个工作簿对象

> # loadWorkbook(file, password=NULL)  #用于声明一个工作簿对象
> # 提醒：如果excel文件不在工作空间内，file最好指定为绝对路径
> wb <- createWorkbook("iris10.xlsx")

检索工作簿中的sheet

> # sheets <- getSheets(wb)  #用于生成一个list对象，其中包含所有工作表的信息,数据类型为rJava::jobjRef，在此不深入讲解
> sheets <- getSheets(wb)

定位目标sheet

> # 本例只有一个sheet，名称为“Sheet1”
> sheet <- sheets[["Sheet1"]]  # sheet的数据类型为rJava::jobjRef

读取数据【方法一】

上面read.xlsx()方法能够将整个sheet工作表的数据读取出来，在这里提供另一种方法，不过相对麻烦一点，使用的是xlsx::readColumns()函数

xlsx::readRows()使用起来比较麻烦，不如xlsx::readColumns()好用，有兴趣的可自行研究一下。另外还有两个函数，用于定位表内数据第一行和最后一行的索引（这里与Java的性质一致，从0开始算起）

xlsx::readRows()使用起来比较麻烦，不如xlsx::readColumns()好用，有兴趣的可自行研究一下。另外还有两个函数，用于定位表内数据第一行和最后一行的索引（这里与Java的性质一致，从0开始算起）

下面以xlsx::readColumns()为例获取数据：

> # 该函数必须提供数据的起始列索引值、终止列索引值、起始行索引值、终止行索引值；
> dataTmp <- readColumns(sheet, startColumn = 1, endColumn = 10,
            startRow = sheet$getFirstRowNum()+1, endRow = sheet$getLastRowNum()+1,
            header = T, as.data.frame=TRUE)

as.data.frame=TRUE决定了输出结果为一个数据框。

缺点：在不清楚数据结构的情况下，首行和末行索引值可以求得，但列数一般难以确定，可能导致列缺失或生成多余的列

读取数据【方法二】

另一种方法相对【方法一】要好一点，先是将所有单元格的值获取出来，再生成数据框。（稍微复杂一点）

注意：这里连同标题行也作为单元格数据一并获取，并且如果有null值的单元格，会跳过该单元格

> # 获取cells进而获取values
> cells <- sheet %>% getRows() %>% getCells()
> values <- lapply(cells,getCellValue)

values获取出来就如下面这个样子，你会发现value的名称向量，每个值都包含了所在单元格的x、y坐标值。

> names(values)  #查看values的名称向量
 [1] "1.1" "1.2" "1.3" "1.4" "1.5" "2.1" "2.2" "2.3" "2.4" "2.5" "3.1" "3.2" "3.3" "3.4" "3.5" "4.1"
[17] "4.2" "4.3" "4.4" "4.5" "5.1" "5.2" "5.3" "5.4" "5.5" "6.1" "6.2" "6.3" "6.4" "6.5" "7.1" "7.2"
[33] "7.3" "7.4" "7.5" "8.1" "8.2" "8.3" "8.4" "8.5" "9.1" "9.2" "9.3" "9.4" "9.5" "10.1" "10.2" "10.3"
[49] "10.4" "10.5" "11.1" "11.2" "11.3" "11.4" "11.5"

将这些坐标值拆分出来，作为等会重排数据的索引

> addresses <- sapply(names(values),FUN = function(x) str_split(string = x,pattern = "[.]"))

接下来就只需要将其进行重排，形成数据框即可。

> datas.name <- vector(mode = "character")  #声明一个空的向量，用来存放标题
> datas <- data.frame()  # 声明一个空的数据框，用来存放目标数据
> # 用sapply代替for做循环，避免占用大量内存。同时注意sapply使用时的环境问题，用.GlobalEnv指向最外层环境的变量。
> # 这里只对数据进行重排，无需进行计算，所以invisible不显示计算结果
> invisible(sapply(addresses,FUN = function(x) {
+  if (x[1] == "1") {
+   .GlobalEnv$datas.name = c(.GlobalEnv$datas.name,.GlobalEnv$values[[1]])
+   .GlobalEnv$values[[1]] <- NULL
+  } else {
+   .GlobalEnv$datas[x[1],x[2]] <- .GlobalEnv$values[[1]]
+   .GlobalEnv$values[[1]] <- NULL
+  }
+ }))
> names(datas) <- datas.name  #最后在添加标题
> View(datas)

得到结果与原excel数据一致

获取单元格样式与获取数据的方式一致，这里不再增加过多篇幅讲解，只做简单介绍。以下函数按函数名字面理解。

其他函数后续如有机会，再做详细介绍吧。

【进阶】随心所欲将数据写入excel文件

我想大家更想看到的就是这部分内容了。确实在日常处理数据时，将数据存储到excel中进行传递是常有的事，谁叫excel是微软亲生的呢。闲话少说，直入正题。

前面基础篇通过write.xlsx()函数将数据写入excel文件中，同时指定sheet名称。但这种写入是一次性的，即一次写入多少就多少。在工作簿里面新增sheet工作表用append控制，但在同个sheet上继续写入数据，会报错：

> write.xlsx(datas,file = "iris10.xlsx",sheetName = "Sheet1",row.names = F,append = T)
Error in .jcall(wb, "Lorg/apache/poi/ss/usermodel/Sheet;", "createSheet", :
 java.lang.IllegalArgumentException: The workbook already contains a sheet of this name

说是这个名称的sheet已经存在同名的了！

这次我们采用高级一点的方法，跟前面进阶读取数据一样，先是定义一个工作簿的对象，再创建或加载sheet工作表。

前面讲过如何加载已有工作簿，这里以生成新excel工作簿为例，将数据写入文件中

> wb <- xlsx::createWorkbook()
> sheets <- getSheet()
# 新生成的工作簿没有sheet，系统提示：Workbook has no sheets!
> sheet <- createSheet(wb,sheetName = "newSheet1")

此时R内存中已经生成了一个工作簿，包含一个空的sheet工作表，通过addDataFrame()函数将数据写入sheet中.

> # 用上面生成的datas数据框对象，取前4行数据写入当前sheet对象中
> addDataFrame(data[1:4,],sheet,row.names = F)
> saveWorkbook(wb,file = "iris_new.xlsx")

==记得保存工作簿、记得保存工作簿、记得保存工作簿==

如果是在已有excel工作簿上操作，这里最好做一个判断，避免覆盖现有数据，造成不必要的麻烦。如果当前sheet的最后一行索引不等于零（说明有数据），则将新数据写到最后一行数据的下一行，同时不加入列名行(col.names = FALSE)；如果为零则将数据直接添加到sheet中。

> # 用上面生成的datas数据框对象，取前4行数据写入当前sheet对象中
> if (sheet$getLastRowNum() != 0) {
+     addDataFrame(data[1:4,],sheet,row.names = F,col.names = F,startRow = sheet$getLastRowNum() + 2)
+    } else {
+     addDataFrame(data[1:4,],sheet,row.names = F)
+    }
+ }
> saveWorkbook(wb,file = "iris_new.xlsx")

至此，你应该知道如何在原有工作表基础上新增数据行了吧？多么方便！！

如果要增加新的sheet工作表，只需将sheet重新定义一个新的sheetName即可。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。