除了直接輸入之外，R也可以直接匯入csv、txt資料。
大部分的人習慣用EXCEL或記事本key-in資料，再將檔案匯入統計軟體進行分析。R則可以透過read.csv()以及read.table()兩種指令，完成匯入csv與txt的工作。
這裡所提到的範例，都可以從範例檔案下載。
匯入檔案
csv檔案
首先嘗試匯入customer.csv。
> data<-read.csv("c:/Users/USER/downloads/customer.csv", header=T, sep=",") #將csv匯入給data
> dim(data) #顯示data的個案與變數數量
[1] 100 18 #data共有100筆個案、18個變數
如果原始的csv在key-in時，沒有變數名稱，只要將read.csv()的header參數改為F，代表這個csv沒有表頭，就可以匯入資料
customer_without_varname.csv與customer.csv的內容一模一樣，唯一的差異是customer_without_varname.csv已經將變數名稱刪除，現在重新將customer_without_varname.csv匯入，並注意將參數設為head=F，檔案名稱命名為data_novar：
> data_novar<-read.csv("c:/Users/USER/downloads/customer_without_varname.csv", header=F, sep=",") #將csv匯入給data_novar
> dim(data_novar) #顯示data的個案與變數數量
[1] 100 18 #data_novar共有100筆個案、18個變數
透過head()指令，可以看出有無變數名稱(表頭)的差異：
> head(data) #顯示data前6筆資料
region gender age edcat jobcat employ income jobsat marital pets_cats pets_dogs pets_birds pets_small pets_saltfish pets_freshfish homeown cardspent card2spent
1 1 1 20 3 1 0 31 1 0 0 0 0 0 0 0 0 81.66 67.80
2 5 0 22 4 2 0 15 1 0 0 0 0 0 0 6 1 42.60 34.94
3 3 1 67 2 2 16 35 4 1 2 1 0 0 0 0 1 184.22 175.75
4 4 0 23 3 2 0 20 2 1 0 0 0 0 0 0 1 340.99 18.42
5 2 0 26 3 2 1 23 1 1 0 0 0 0 0 0 0 255.10 252.73
6 4 0 64 4 3 22 107 2 0 1 1 0 2 0 7 1 228.27 0.00
> head(data_novar) #顯示data_novar前6筆資料
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18
1 1 1 20 3 1 0 31 1 0 0 0 0 0 0 0 0 81.66 67.80
2 5 0 22 4 2 0 15 1 0 0 0 0 0 0 6 1 42.60 34.94
3 3 1 67 2 2 16 35 4 1 2 1 0 0 0 0 1 184.22 175.75
4 4 0 23 3 2 0 20 2 1 0 0 0 0 0 0 1 340.99 18.42
5 2 0 26 3 2 1 23 1 1 0 0 0 0 0 0 0 255.10 252.73
6 4 0 64 4 3 22 107 2 0 1 1 0 2 0 7 1 228.27 0.00
其實，更快速的方法是利用ctrl+c直接在EXCEL試算表「複製」資料，然後用read.table("clipboard")貼上R：
> data<-read.table("clipboard")
txt檔案
同樣的方法，也適用於read.table()。以匯入customer_txt為例：
> data_txt<-read.table("c:/Users/USER/downloads/customer_txt.txt", header=T, sep=";") #將csv匯入給data_txt
> dim(data_txt) ##顯示data_txt的個案與變數數量
[1] 10 7 #data_txt共有10筆個案、7個變數
在沒有變數名稱的情況下，一樣可以透過head=F參數匯入customer_txt_without_varname.txt：
> data_txt_novar<-read.table("c:/Users/USER/downloads/customer_txt_without_varname.txt", header=F, sep=";") #將txt匯入給data_txt_novar
> dim(data_txt_novar) #顯示data_txt_novar的個案與變數數量
[1] 10 7 #data_txt_novar共有10筆個案、7個變數
比較head=T以及head=F的差異：
> head(data_txt)
region gender age edcat jobcat employ income
1 1 1 20 3 1 0 31
2 5 0 22 4 2 0 15
3 3 1 67 2 2 16 35
4 4 0 23 3 2 0 20
5 2 0 26 3 2 1 23
6 4 0 64 4 3 22 107
> head(data_txt_novar)
V1 V2 V3 V4 V5 V6 V7
1 1 1 20 3 1 0 31
2 5 0 22 4 2 0 15
3 3 1 67 2 2 16 35
4 4 0 23 3 2 0 20
5 2 0 26 3 2 1 23
6 4 0 64 4 3 22 107
SPSS檔案
R的基礎程式沒有辦法直接匯入SPSS的sav檔，必須先下載foreign延伸套件。
library()是下載延伸套件的指令，載入foreign後，可以執行read.spss()指令：
> library(foreign) #下載foreign延伸套件
> spss<-read.spss("c:/Users/USER/downloads/customer_sav.sav", to.data.frame=TRUE) #匯入customer_sav
> dim(spss) ##顯示customer_sav的個案與變數數量
[1] 100 18
除了foreign外，也可以透過haven延伸套件中的read_sav()來匯入sav。
> library("haven")
> spss<-read_sav("c:/Users/USER/downloads/customer_sav.sav")
SAS檔案
載入foreign或haven套件之後，SAS檔案格式可用read.xport()或read_xpt()指令來匯入：
> library("foreign")
> sas<-read.xport("c:/Users/USER/downloads/customer_xpt.xpt")
> library("haven")
> sas<-read_xpt("c:/Users/USER/downloads/customer_xpt.xpt")
STATA檔案
STATA檔案可用read.dta()或read_dta()指令來匯入：
> library("foreign")
> stata<-read.dta("c:/Users/USER/downloads/customer_dta.dta")
> library("haven")
> stata<-read_dta("c:/Users/USER/downloads/customer_dta.dta")
匯入dBase檔案
部分資料蒐集完成後會直接儲存成資料庫格式，read.dbf()可以匯入dbf的檔案格式。
> library("foreign")
> dBase<-read.dbf("c:/Users/USER/downloads/customer_dbf.dbf")
命名變數
對於還沒有命名的變數，R會以V1、V2、V3...來代替，我們可以利用names()這個指令，來替變數取名字：
> names(data_txt_novar)<-c("region", "gender", "age", "edcat", "jobcat", "employ", "income")
> head(data_txt_novar)
region gender age edcat jobcat employ income
1 1 1 20 3 1 0 31
2 5 0 22 4 2 0 15
3 3 1 67 2 2 16 35
4 4 0 23 3 2 0 20
5 2 0 26 3 2 1 23
6 4 0 64 4 3 22 107
顯示/移除資料
截至目前，我們已經匯入4筆檔案，分別是data、data_novar、data_txt、data_txt_novar。這4筆檔案可單獨呼叫、存取或分析，如果無需使用則可刪除。
ls()可以用來顯示檔案，要刪除檔案則可以透過rm()指令。
> ls() #顯示作用中的檔案
[1] "data" "data_novar" "data_txt" "data_txt_novar"
> ls(data_txt) #顯示data_txt的變數名稱
[1] "age" "edcat" "employ" "gender" "income" "jobcat" "region"
不要的檔案可以用rm()來刪除：
> rm(data)
> ls()
[1] "data_novar" "data_txt" "data_txt_novar"
> rm(list = ls()) #刪除所有檔案
> ls()
character(0)