R Academy · 课时

使用 readxl 导入 Excel 文件

Q: 「使用 readxl 导入 Excel 文件」这节课中我会学到什么？

读取 .xls 和 .xlsx 工作表，并使用工作表选择和单元格范围选项 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

读取 .xls 和 .xlsx 工作表，并使用工作表选择和单元格范围选项

使用 readxl 导入 Excel 文件 是 CoddyKit 上的免费 R Academy 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

为什么使用 readxl 读取 Excel 文件？

Excel 文件（.xlsx 和 .xls）在商业环境中非常普遍。readxl 软件包无需安装 Excel 即可读取这些文件，也不依赖 Java。它返回 tibble，并支持多个工作表、命名区域和单元格类型检测。

library(readxl)

# readxl can read:
# .xlsx  - modern Excel format (XML-based)
# .xls   - older Excel format (binary)
# .xlsm  - Excel with macros (reads data, ignores macros)

# Core functions:
# read_excel()   - auto-detects .xls vs .xlsx
# read_xlsx()    - always reads as .xlsx
# read_xls()     - always reads as .xls
# excel_sheets() - lists all sheet names

cat('readxl requires no Java, no Excel installation!')

excel_sheets() — 列出所有工作表

excel_sheets('file.xlsx') 返回包含所有工作表名称的字符向量。读取前可以使用它检查工作簿结构，然后将工作表名称传递给 read_excel()。

library(readxl)

# Using readxl's built-in example file
path <- readxl_example('datasets.xlsx')

# List all sheets in the workbook
sheets <- excel_sheets(path)
print(sheets)

cat('\nNumber of sheets:', length(sheets))

read_excel() — 基本用法

read_excel(path) 默认读取第一个工作表。它会自动检测文件是 .xls 还是 .xlsx。返回结果是一个 tibble，列类型根据数据自动猜测。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Read the first sheet (default)
df <- read_excel(path)
print(head(df, 4))
cat('\nDimensions:', nrow(df), 'rows x', ncol(df), 'cols')

sheet 参数 — 按名称或索引选择

使用 sheet='Sheet1' 按名称选择，或使用 sheet=2 按位置选择（索引从 1 开始）。两种方式都有效。如果工作表顺序可能变化，使用名称更加稳妥；在迭代处理中，使用索引更加方便。

library(readxl)

path <- readxl_example('datasets.xlsx')
sheets <- excel_sheets(path)
print(sheets)

# Read by name
df_name <- read_excel(path, sheet = 'iris')
cat('iris sheet rows:', nrow(df_name), '\n')

# Read by index
df_idx <- read_excel(path, sheet = 2)
cat('Sheet 2 rows:', nrow(df_idx))

range — 读取单元格区域

range='A1:D10' 只读取 Excel 表示法中指定的单元格区域。当工作表包含多个表格、带有格式边框，或数据区域外存在您需要排除的元数据时，这种方式非常有用。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Read only the first 5 data rows of columns A-D
df <- read_excel(path, sheet='iris', range='A1:D6')
print(df)
cat('\nShape:', nrow(df), 'rows,', ncol(df), 'cols')

col_names — 自定义列名

设置 col_names=FALSE 可跳过表头行并自动命名列。向 col_names 传入字符向量即可使用自定义名称（同时跳过表头行）。如果表头位于其他行，请与 skip 结合使用。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Read with custom column names (skip original header)
df <- read_excel(
  path,
  sheet = 'iris',
  col_names = c('sepal_l','sepal_w','petal_l','petal_w','species'),
  skip = 1  # Skip the original header row
)

print(head(df, 3))
print(names(df))

skip 参数 — 跳过元数据行

skip=n 会在读取前跳过工作表开头的 n 行。当工作表中的实际数据表上方有报告标题、生成日期或其他元数据时，这一参数很有用。

library(readxl)

# Simulating a sheet with metadata rows (using a range instead)
path <- readxl_example('datasets.xlsx')

# Skip first row (pretend it has a title)
# and read only first 5 data rows
df <- read_excel(
  path,
  sheet = 'chickwts',
  skip = 1,       # Skip first data row
  col_names = FALSE  # Row 2 has no header now
)

print(head(df, 4))

col_types — 指定列类型

使用 col_types 覆盖类型猜测结果。有效类型包括：'text'、'numeric'、'date'、'logical'、'skip'（删除该列）和 'list'（用于混合类型的列）。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Read with explicit column types
# iris sheet: 4 numeric + 1 text
df <- read_excel(
  path,
  sheet = 'iris',
  col_types = c('numeric','numeric','numeric','numeric','text')
)

print(sapply(df, class))

使用 map() 读取所有工作表

将 excel_sheets() 与 purrr::map() 结合使用，可以一次性读取所有工作表，并将结果放入带名称的列表中。列表中的每个元素都是对应工作表的 tibble。使用 map_df(.id='sheet') 可以按行绑定所有工作表。

library(readxl)
library(purrr)

path <- readxl_example('datasets.xlsx')
sheets <- excel_sheets(path)

# Read all sheets into a named list
all_data <- map(sheets, ~read_excel(path, sheet=.x))
names(all_data) <- sheets

# Show dimensions of each sheet
map_df(all_data, function(df) {
  data.frame(rows=nrow(df), cols=ncol(df))
}, .id='sheet')

n_max — 限制读取的行数

n_max=n 最多读取 n 行数据（不包括表头）。您可以使用它预览大型工作表、加载用于测试的样本，或在内存受限的环境中分块读取数据。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Preview just the first 5 rows
preview <- read_excel(path, sheet='iris', n_max=5)
print(preview)
cat('\nPreviewed', nrow(preview), 'of', nrow(read_excel(path, sheet='iris')), 'rows')

na 参数 — 缺失值字符串

与 readr 类似，readxl 接受一个 na 参数，用于指定哪些文本字符串应被读取为 NA。Excel 通常会将缺失值存储为空单元格（会自动处理），或者存储为 'N/A'、'#N/A' 之类的哨兵字符串。

library(readxl)

path <- readxl_example('datasets.xlsx')

# Handle Excel error strings and custom NA markers
# In real files these might be '#N/A', '#VALUE!', 'N/A', '-'
df <- read_excel(
  path,
  sheet = 'iris',
  na = c('', 'NA', 'N/A', '#N/A', '-')
)

cat('Missing values per column:\n')
print(colSums(is.na(df)))

快速检查

excel_sheets('file.xlsx') 会返回什么？

回顾：导入 Excel 文件

使用 readxl 导入 Excel 的要点：

excel_sheets(path) — 列出所有工作表名称
read_excel(path) — 读取第一个工作表；自动识别 .xls/.xlsx
sheet='Name' 或 sheet=2 — 按名称或索引选择工作表
range='A1:D10' — 读取指定单元格范围
col_names, skip — 处理元数据行和自定义表头
col_types = c('text','numeric','date','skip') — 覆盖类型推断
n_max=5 — 预览大型文件；na=c('N/A','#N/A') — 自定义 NA 字符串
结合 map(excel_sheets(path), ~read_excel(path, sheet=.x)) 可读取所有工作表

library(readxl)
library(purrr)

path <- readxl_example('datasets.xlsx')

# Full workflow: discover, select, read
cat('Sheets available:', paste(excel_sheets(path), collapse=', '), '\n\n')

# Read a specific sheet with explicit types
df <- read_excel(
  path,
  sheet = 'iris',
  col_types = c('numeric','numeric','numeric','numeric','text'),
  n_max = 5
)

print(df)

常见问题解答

「使用 readxl 导入 Excel 文件」课时是免费的吗？

是的 — 「使用 readxl 导入 Excel 文件」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 readxl 导入 Excel 文件」这节课中我会学到什么？

读取 .xls 和 .xlsx 工作表，并使用工作表选择和单元格范围选项你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 4 节。

「使用 readxl 导入 Excel 文件」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy