一. 相关包简介
(1) tibble包
R 数据框的更先进的替代，不将字符串转化为因子型，不重命名列，输出内容更智能，选择 tibble 子集仍是 tibble（Base R 中，1列返回向量）
查看数据框：glimpse()创建数据框：tibble()和 tribble() （智能行tibble）强制转化为数据框：as_tibble()和enframe()操作行名：rownames_to_column()和column_to_rownames()
(2) readr包
读写纯文本文件，包括带分隔符的文本文件，如 csv和 tsv. 也能读写序列化的 R 对象 rds，若想保存数据集后续再加载回来，rds将保存元数据和该对象的状态，如分组和数据类型。
读入数据到数据框：read_csv()和read_tsv()读入欧式格式数据（“;”为字段分隔符，“,”为小数位）：read_csv2() 和 read_tsv2()读写rds：read_rds()和write_rds()写入电子表格：write_csv(), write_tsv(), write_csv2(), write_tsv2()转化数据类型：parse_number(), parse_logical(), parse_factor()等
(3) readxl包
专门读取 Excel 文件，包括同一个工作簿中的不同工作表。
read_excel(): 自动检测文件扩展名read_xls()read_xlsx()
(4) writexl包
write_xlsx()：写入Excel文件
(5) haven包
读写 SPSS, Stata, SAS 数据文件。
读：read_spss(), read_stata(), read_sas()写：write_spss(), write_stata(), write_sas()
(6) readtext包
读取全部文本文件的内容到数据框，每个文件变成一行，通常用于语言分析或数据收集。
readtext()
二.导入数据
下面以导入 csv 文件为例，演示从一个文件或多个文件读入数据，其它类型文件换成对应读入函数即可。
1.导入一个csv文件
trap_ins
注意，readr 包试着猜测每列的数据类型（数值型、字符型等），但属于保守猜测，以避免丢失信息。本例中，date 列为字符型，因为它没有认出日期格式，individuals 列为 Double 型。通常更建议随后再用 dplyr 包修改数据类型。
2.导入多个csv文件
若每个 csv 文件的列结构相同，则可以全部导入再按行合并。
最好的做法是用 purrr 包迭代实现。
先列出要导入的csv文件的路径：
list_of_files
接着，在其上做迭代，应用 read_csv() 到每个文件路径，再按行合并。
可以用 Base R 自带的 apply 函数族，但更建议用 purrr 包，其用户接口更容易记，并返回可预见的数据类型，还可用于管道操作。
这里用 map_dfr() 函数：
map_dfr
它应用函数 .f 到列表或向量 .x 的每个元，再将每个结果做“行合并”创建数据框，并增加新列 id_col 描述该行来自哪个文件。
library
经常遇到的一个问题是，数据表的列具有不同的数据类型。例如，某表 presence/absence 编码为 1/0, 而另一个表编码为 TRUE/FALSE. 则这样的列不能做“行合并”，因为 R 不知道如何转化类型。
此时，你可以告诉 read_csv() 以字符形式导入所有列，后续再处理类型转化。
light_trap
说明：“~”是 purrr 包对匿名函数的缩写，等同于
.
三. 导出数据
用 readr 包中的 write_csv() 和 write_rds() 可以保存数据框到文件。下面以导出数据到 .rds 文件为例，因为它能保存数据框及其元数据，如数据类型和分组（若有的话）。
iris
参考文献：
Desi Quintans, Jeff Powell. Working in the Tidyverse. /Garrett Grolemund, Hadley Wickham. R for Data Science. https://r4ds.had.co.nz/
