作者：乔山办公网日期：
返回目录：excel表格制作
针对csv格式，直接用read.csv即可；如果是xls或者xlsx格式，可以用RODBC包，对于excel 2007以上版本可以用xlsx包。
RODBC包示例：
library(RODBC)
channel <-odbcConnectExcel("myfile.xls")
mydataframe <- sqlFetch(channel, "MySheet")
odbcClose(channel)
xlsx包示例：
library(xlsx)
workbook <-"c:/myworkbook.xlsx"
mydataframe <- read.xlsx(workbook, 1)
原文来自人大经济论坛，e68a847a686964616f362出处参考： http://bbs.pinggu.org/forum.phpmod=viewthread&tid=3156546&page=1
另外的参数设置可以参考RODBC和xlsx两个包的帮助文档，在导入后通过help查看。
这两款工具的使用方法截然不同。使用Excel时，可以通过鼠标点击完成大部分工作，你可以访问界面内不同位置的各种工具。因此Excel非常便于使用（熟能生巧），但是用Excel处理数据非常费时，而且如果接手一个新项目，你必须单调地重复这些流程。使用R时，则通过代码完成所有操作。你把数据载入内存，然后运行脚本来研究并处理数据。这个工具可能不够人性化，但是有以下几点好处。
我认为，从概念上来说，R更便于使用。如果你在处理多列数据，虽然你只是在处理单个任务，但是却会e69da5e887aa7a64365看到所有的数据。而使用R时，数据都在内存中，只有调出数据才能看到。如果你在转换或计算，你会处理相关列或行的子集，其他所有数据都在后台。我觉得这样更便于关注手头的任务。完成任务后，可将其保存在某个数据帧中，其中只包含所需的列或行数据。你建立了正确的数据集，可解决当前的问题。这样做看似无关紧要，但实际上大受裨益。
借助R，就可以对其他数据集轻松重复相同的操作。因为所有数据都是通过代码进行处理和研究，因此对新的数据集执行相同的操作也就轻而易举了。使用Excel时，大多数操作都是通过鼠标点击实现，虽然用户体验不错，但对新的数据重复操作却非常费时而枯燥。而R只需载入新的数据集，然后再次运行脚本即可。
实际上，用代码操作也便于诊断并共享你的分析结果。使用Excel时，大多数的分析结果都基于内存（数据透视表在这里，公式编辑器在另一个表格上等）。而在R中，通过代码执行所有操作，一目了然。如果你在修正一个错误，你很清楚在哪里操作，而如果你需要共享分析结果，只需复制粘贴代码即可。在线查找帮助时，你能准确说明所用数据，并提出具体的问题。事实上，大多数时候，你在线提问时，人们都是直接贴出准确的代码，来解决你的问题。
R中的项目组织更简单。在Excel中，我要准备一系列表格，可能还要准备多个工作簿，然后适当命名，而且各文件名不得重复。我的项目备注分别保存在各个文件中。我的R语言项目组织单独设有一个文件夹，我处理过的所有内容都放在其中。清理数据、探索性图表及模型。这样便于我理解和查找，也为与我一起工作的其他人提供方便。当然，Excel也能做到井井有条。我觉得R的简洁性更便于使用。
上述几点只能说是锦上添花，而并不是必不可少。在没有这些功能之前，我也用了好几年Excel，你应该也一样。现在，我想讲讲R和Excel真正的区别。我想说的是，除了以上那些花哨的小优势之外，R更适合用于数据分析。原因如下。
你可以把任何数据载入R。数据的保存位置或保存形式并不重要。你可以载入CSV文件，也可以读取JSON，或者执行SQL查询，抑或提取网站。你甚至还可以在R中通过Hadoop处理大数据。
R是一个完整的工具集，使用的是数据包。在分析数据时，R比Excel更实用。你可使用R执行数据管理、分类和回归，也可以处理图片，并执行其他所有操作。如果机器学习是你的专业，那能想到的任何算法都是小菜一碟。目前，R可用的数据包逾5,000个，因此无论你要处理什么类型的数据，R都能应付自如。
我建议你选择学习SPSS软件。
R需要自己学习编程
EXCEL受版本，数据量的限制