作为非程序猿的各位同志们，可能最擅长的数据整理软件或者统计软件就是——嗯，没有错，它就是集万千宠爱于一身的EXO。
咳咳咳，好了。隆重推出我们的主角——Excel
事实上，Excel是个super强大的软件。基本上用它已经能完成大量的统计分析了。
For example
各类数理统计
线性规划（LINGO表示欲哭无泪，你丫的抢我饭碗）。
当然，很久很久之前有这门本神书： 陈彦光. 基于Excel的地理数据分析[M]. 科学出版社, 2010.
当然，作为新时代的研究生，我们怎么能仅用Excel来完成一切的科研任务呢？用老师的话说，你们用Excel做的图，人家审稿都嫌low。这个时候R就登场了。 关于R的简介我就不提了。欢迎各种度娘，扯了这么久的淡。终于要进入正题了。 今天讲的是R语言的第一步，读数据——读Excel的数据。 以下有三种方法: 1.将Excel转存为csv格式文件，读csv文件。
a<-read.csv("exercise1.csv",header = T)
2.用RODBC包读取Excel。
ab<-odbcConnectExcel2007("exercise1.xls")#连接excel，32位系统使用odbcConnectExcel函数 sqlTables(ab)
a<-sqlFetch(ab,"Sheet1$") odbcClose(ab)#关闭句柄，此句是必须。
3.用openxlsx包读取Excel
a<-read.xlsx("exercise1.xlsx",sheet=1)#文件名+sheet的序号，简单粗暴
综合来看，openxlsx的方法简单粗暴，而且经多名骨灰级玩家证明，罕有bug出现。乃R语言和Excel读取的绝对神器。不过笔者也发现，openxlsx包仅适用于.xlsx格式文件。前期的xls格式文件可能还需要前两种方法来读取。除了以上三种方法，还有类似的包如xlsx、readxl。此处依旧强推神器openxlsx。首先，.xlsx文件存储行数大大提升，从65536行数据提升到了104万条数据。其次，它十分便捷，函数所需参数较少。当然最后的最后，它可能需要的R的版本比较的新。下一篇的预告：如何通过一行代码升级R。 最后贴出全文的代码。
#设置工作路径 setwd("F:/R/applicationstatics") #第一种方法：读取csv a<-read.csv("exercise1.csv",header = T) #第二种方法：RODBC包 #安装载入RODBC包，如果已安装，请跳过第一句语句 install.packages(RODBC) library(RODBC) ab<-odbcConnectExcel2007("exercise1.xls")#连接excel，32位系统使用odbcConnectExcel函数 sqlTables(ab) a<-sqlFetch(ab,"Sheet1$") odbcClose(ab)#关闭句柄，此句是必须。 #第三种方法：openxlsx install.packages(openxlsx) library(openxlsx) a<-read.xlsx("exercise1.xlsx",sheet=1)#文件名+sheet的序号，简单粗暴
当然文末小福利：《基于Excel的地理数据分析》的电子版。需要的童鞋可以评论并留下邮箱。