本文目录一览：
如何在R中导入不同类型的数据
在使用R的时候，我们肯定需要导入数据，现在总结一下如何导入不同类型的数据：
1.使用键盘输入数据
在导入数据比较少的时候，我们使用这种方法。R中的函数 edit() 会自动调用一个允许手动输入数据的文本编辑器。具体步骤如下：
(1) 创建一个空数据框（或矩阵） ，其中变量名和变量的模式需与理想中的最终数据集一致；
(2) 针对这个数据对象调用文本编辑器，输入你的数据，并将结果保存回此数据对象中。在下例中，你将创建一个名为 mydata 的数据框，它含有三个变量： age （数值型） 、 height（字符型）和 weight （数值型） 。然后通过edit()函数调用文本编辑器，键入数据，最后保存结果。编辑器界面如下，我们在这个界面可以输入变量值，也可以改变变量类型。
[plain] view plain copy
mydata-data.frame(age=numeric(0),height=numeric(0),weight=numeric(0))
edit(mydata)
需要注意的是函数 edit() 事实上是在对象的一个副本上进行操作的。如果你没有将它其赋值到一个对象，你的所有修改将会全部丢失！
2.导入带分隔符的文本文件数据/CSV文件
read.table() 可以从带分隔符的文本文件中导入数据。此函数可读入一个表格格式的文件并将其保存为一个数据框。其语法如下：
read.table(file,header=value,sep="delimter",row.names="name")
file表示文件名，header表示表的首行是否包含变量值的逻辑值，sep 用来指定分隔数据的分隔符， row.names 用以指定一个或多个表示行标识符的变量，是个一可选参数，他还有许多参数，可以通过帮助文档进行查看。
3.导入Excel数据
虽然Excel可能是世界上最流行的数据分析工具，但R如果直接读取Excel数据还是比较困难的。
但我们可以在Excel中将数据将其导出为一个逗号分隔文件（csv） ，并使用前文描述的方式将其导入R中。在Windows系统中，你也可以使用 RODBC 包来访问Excel文件。但它好像只能在32位的R软件上面使用。虽然也有一些包可以这些问题，比如gdata,XLConnect,xlsReadWrite等，但它的有许多前提要求，比如Java环境，Per,或者32-bit R。因此一般情况将数据转换为csv文件或者将数据导入到数据库在导入在R。
4.导入XML数据
强大的R中有若干用于处理XML文件的包。 XML 包允许用户读取、写入和操作XML文件。因为我还没有遇到这种数据，因此还不太清楚xml包大体如何使用，感兴趣的朋友可以下载xml包，通过帮助文档进行学习。
5.从网页抓取数据
不仅Python可以爬取网页数据，R也可以在Web数据抓取。在这个的过程中，用户可以从互联网上提取嵌入在网页中的信息，并将其保存为R中的数据结构以做进一步的分析。 完成这个任务的一种途径是使用函数 readLines()下载网页，然后使用如 grep() 和 gsub() 一类的函数处理它。对于结构复杂的网页，可以使用RCurl 包和 XML 包来提取其中想要的信息。
6.导入SPSS数据
我们可以调用通过 foreign 包中的函数 read.spss() 将SPSS数据集可以导入到R中，也可以使用 Hmisc 包中的 spss.get() 函数。函数 spss.get() 是对 read. spss() 的一个封装，它可以为你自动设置后者的许多参数，让整个转换过程更加简单一致，最后得到数据分析人员所期望的结果。使用的时候我们只需要安装Hmisc 包，在较新的R中foreign 包已被默认安装。
[plain] view plain copy
mydata-spss.get("data.sav",use.value.labels=TRUE)
这段代码中，data.sav 是要导入的SPSS数据文件， use.value.labels=TRUE 表示让函数将带有值标签的变量导入为R中水平对应相同的因子， mydataframe 是导入后的R数据框。
python 导入数据包的几种方法
1.直接导入整个数据包：improt 数据包
2.导入数据包中的某一个函数： from 数据包 improt 函数(当函数这一项为 * 时为导入整个数据包)
3. 导入之定义的数据包()
将R环境下的Seurat RDS格式数据转化成为到python环境下scanpy的anndata格式
无论是单细胞、空间组还是ATAC的数据，有时由于下游分析的需求或可视化的需求，同时由于python的运算速度的优势，目前越来越多单细胞分析的工具开始在python环境下开发（scanpy/spGCN/scVelo……），但是大家大多都习惯了R的分析环境（Seurat/Harmony/Monocle3……），所以我们经常需要在不同的环境中运行同一个分析对象，这所以涉及到的数据类型的转变就非常关键了。
想直接想找工具将RDS转为python可读数据对象的包，目前还没有……（如果有大佬可以开发一下）。
目前所以从数据本身出发有三种方式，总结自目前网络上一些可行的方法：
1，提取矩阵（稀疏/稠密）和特征信息（metadata），手动构筑 anndata （单细胞分析时python中的一种数据结构，具体了解可以看一下： ，写得挺好）就好。前提是对R的S4对象和python的anndata对象有基础的认识，就可以搞定，这是最本质也是最万能的方法，除了门槛高。
2，存储的时候就注意，不要保存成rds，或者已经这样保存了也无所谓，可以读入再重新存：
（1）存储成 h5ad格式 。Seurat数据写成h5需要借助包 SeuratDisk :
从R环境下Seurat的对象保存成h5ad的格式：
然后用python的anndata包/scanpy包直接读入就好，因为h5ad本来就是单细胞在跑一python环境中分析最基础的格式，对标R中的seurat对象或sce对象
这个方法可以具体参考： 他写得更加详细一点
（2）Seurat官方设置 loom格式 也是可行方式之一：
参见：
将Seurat对象转为loom:
在python环境下读入loom，成为adata:
总而言之，经个人使用和实际操作来说， 第二个存储成为h5ad的方法时最好用的、也最友好 ，除了只能保存一个assay之外，就都没问题，但是如果许多保存多个assay成为anndata中的多个layer，这就的用手动的方法了。