通达信批导出股票历史交易数据并用R语言写入SQLite数据库要分析金融数据

要分析金融数据，首先要有数据，好在金融数据的比较容易获取，比如股票，通过看盘软件批量导出股票交易历史数据。下面就简单介绍从通达信批量导出历史交易数据，读取csv文件并简单处理后，在R语言下用sapply函数循环批量读取并写入SQLite数据库的教程。

其中使用数据库部分是针对无数据库基础的人的。使用的SQLite是一种轻量级的、不需要安装数据库软件也不需要配置环境的、直接安装对应的R包RSQLite即可使用的数据库，非常适合无数据库基础的R语言用户在R语言环境下管理自己的数据。同时，它也是专业级的，苹果iphone的ISO系统数据管理就是基于SQLite的，MAC 的OS X系统的从10.4后把SQLite这套相当出名的数据库软件放进了作业系统工具集里。

批量导出股票历史交易数据

因为实际分析过程中，即会用到复权数据也会用到未复权数据，所以2种数据我分别导出，我用的是通达信行情软件，以上证50指数成份股（截止2017年12月31日）为例，先导出前复权数据放到“../stock”中，再导出未复权的数据放到“../stock_F”中。

本文代码使用相对路径，“..” 代表代码文件所在文件夹的父文件夹，我的目录结构会在下面说明。不熟悉R语言文件和文件夹管理的可

回复“文件管理”

获取相应文件。

1.1

先导前复权数据

打开通达信客户端，依次点选：菜单>系统>数据导出，如下图所示（如果交易数据没有下载到最新日期，软件会提示下载到最新日期，重新按上述步骤操作）：

第一步：点击上图中“高级导出”

第二步：点击上图中的“添加品种”

第三步：选取要导出的股票

我们是要导出上证50指数成份股，所以在第一行先“指数板块”后在左侧选“上证50”，之后点“全选”，再点“确定”。

你可以根据需求选中相应的股票，比如：全部A股等。

第四步：设置导出选项

这一步有几点要特别注意：

位置1：选“日线”；

位置2：选文件夹，复权数据我放在“stock_F”下；

位置3：文件名格式要特别注意YY表市场（如SH表示上交所，SZ表示深交所），6个X表示代码，有些数据库表名不用数字开头，所以我们用YYXXXXXX.csv格式，写入数据库时用YYXXXXXX格式命名每个表；

位置4：复权选 “前复权”，分隔符选“逗号”，日期格式….

我们看一下导出的文件：

str

(

dir

(

"../stock_F/"

))## chr [1:50] "SH600000.csv" "SH600016.csv" "SH600019.csv" ...

1.2

导出未复权数据

再导出上证50指数成份股的未复权数据。

未复权数据导出选项设置

有几点与前一次不同：

位置2：选文件夹，复权数据我放在“stock”下；

位置3：未复权数据我们用XXXXXX.YY.csv格式命名文件，写入数据库时用我们将50个文件写入同一张表SH50_stocks，并用XXXXXX.YY格式做为“code”列，以区分不同代码的数据；

位置4：复权选 “前复权”。

我们看一下对应文件夹：

str

(

dir

(

"../stock/"

))## chr [1:50] "600000.SH.csv" "600016.SH.csv" "600019.SH.csv" ...

搞定，里面有50个文件。

dir()函数，它可以生成指定文件夹下的文件或文件夹的名称列表清单（格式为字符串向量）,路径中的“..”代表代码文件所在的文件夹的父文件夹。

用R语言批量读取前复权股票历史交易数据

我们先读取前复权的数据，读取后每个文件(每只股票)在数据库中建一个表并用YYXXXXXX格式命名每个表，表名在文件名中提取，还记得导出的前复权文件名吗？这样滴“SH600000.csv”…

2.1

为了方便大家下载本文代码（地址见文末）和数据文件后直接运行代码，我使用相对路径，需要先对目录结构做一下说明。不熟悉代码的朋友可按下面目录创建目录和文件，即可直接运行本文代码（或按文末地址下载代码和数据文件直接运行代码）。

system

(

"tree /f d:/Rdata/knitr/WX_QuantFinanceWithR"

)

从上面可以看出我的文件夹WX_QuantFinanceWithR下面文件夹和文件的位置，用到的3个分别是：

data_analysis

文件夹下的Read_stocks_to_SQLite.Rmd就是本文的rmarkdown源文件，同名的html是本文运行后输出文件。

rmarkdown是R语言运行环境RStudio所使用的扩展的markdown标签语言，是一种易学、易用，可实现代码、图文、数学公式等内容混合排版并输出为指定格式（包括：html、word、PDF等）的文档的标签语言，非常方便。本文的源文件即为rmarkdown格式，你可以在文末提供的地址中下载，了解rmarkdown详细请

回复 “rmarkdown”

获取相应文章。

stock

该文件夹放的是从行情软件导出的上证50成份股未复权的csv格式文件（2017年12月31日）；

stock文件夹与data_analysis文件夹都在WX_QuantFinanceWithR文件夹下，而代码文件在data_analysis文件夹下的Read_stocks_to_SQLite.Rmd，所以路径中的“../stock”代表就是WX_QuantFinanceWithR文件夹下的stock文件夹。

stock_F

该文件夹放的是从行情软件导出的上证50成份股前复权的csv格式文件（2017年12月31日），注意文件名的格式不同，是在导出时分别设置的。

2.2

读取单个文件

因为本文的源代码文件在WX_QuantFinanceWithR/data_analysis/下，我们要读取的前复权股票历史交易数据在WX_QuantFinanceWithR/stock_F/中，使用相对路径应该是：“../stock_F/”。

2.2.1

列出文件列表

file_list <-

list.files

(

"../stock_F/"

pattern =

"csv"

full.names =

TRUE

)

str

(file_list)卷新加卷的文件夹 PATH 列表

卷序列号为 C2D1-47DA

D:\RDATA\KNITR\WX_QUANTFINANCEWITHR

│

├─data_analysis

│ data_manipulation_with_RSQLite.html

│ data_manipulation_with_RSQLite.Rmd

│

├─input

│ WX_QuantFinanceWithR_SQLite_data.db

│

│ WX_QuantFinanceWithR_SQLite_data.db

│

├─pic

│ 来源于公众号_R语言量化金融.png│

│

├─stock

│ 600000.SH.csv

│ 600016.SH.csv

│ 600019.SH.csv

│

...省略46个文件..

│ 603993.SH.csv

│

└─stock_F

│ SH600000.csv

│ SH600016.csv

│ SH600019.csv

│ ...省略46个文件..

│ SH603993.csv

list.files()函数列出指定文件夹下的文件名（而不包含文件夹）列表（注意：dir()会包含文件夹名），下面代码中的2个参数：

参数pattern设为“csv” 表示只列出后缀为csv的文件，如果同文件夹下还有其它后缀的文件，该参数就有必要；

参数full.names设为TRUE 表示列出的文件名为包含路径的文件名（如果设为FALSE就会列出不带路径的文件名）,因为我们指定的文件夹为相对路径，所以带路径的文件名也是相对路径。

2.2.2

读取第1个csv文件

SH600000_df <-

read.csv

(file_list[

header =

FALSE

sep =

","

stringsAsFactors =

FALSE

)

head

(SH600000_df,

)## V1 V2 V3 V4 V5 V6 V7## 1 1999/11/10 0.93 0.96 0.63 0.72 174085000 4859102208## 2 1999/11/11 0.70 0.79 0.70 0.72 29403400 821582208

为了避免新手中文字符出现乱码错误，我们导出时没有勾选“生成导出头部”，所以参数header设为FALSE，R自动分配V1~V7的列名称，我们用下面的代码改列名。

names

(SH600000_df) <-

(

"date"

"open"

"high"

"low"

"close"

"volume"

"amt"

)

tail

(SH600000_df,

)## date open high low close volume amt## 4277 2017/12/29 12.52 12.62 12.51 12.59 16351826 205752880## 4278 数据来源:通达信 NA NA NA NA NA NA

最后一行是数据来源的声明，我们需要删除这一行：

SH600000_df <-

SH600000_df[

nrow

(SH600000_df),]

str

(SH600000_df)## "data.frame": 4277 obs. of 7 variables:## $ date : chr "1999/11/10" "1999/11/11" "1999/11/12" "1999/11/15" ...## $ open : num 0.93 0.7 0.73 0.77 0.74 0.58 0.66 0.69 0.62 0.57 ...## $ high : num 0.96 0.79 0.79 0.78 0.75 0.66 0.7 0.7 0.63 0.58 ...## $ low : num 0.63 0.7 0.72 0.72 0.57 0.56 0.61 0.61 0.55 0.53 ...## $ close : num 0.72 0.72 0.76 0.72 0.58 0.66 0.64 0.62 0.57 0.57 ...## $ volume: int 174085000 29403400 15007900 11921000 23223100 10052500 8446500 5374900 5535400 3843900 ...## $ amt : num 4.86e+09 8.22e+08 4.22e+08 3.33e+08 6.29e+08 ...

删除后，数据框变为4272行，少了一行。

2.2.3

正确处理日期的格式避免写入SQLite数据库日期值错误

为了正确地将日期写入SQLite数据库，date列需要的格式为“2017-01-01”的字符串，而不是“2017-1-1”或是“2017/1/1”等（注意月和日的格式是两位字符表示），不是日期格式。虽然读入的“date”列默认是字符格式，但有时导出后的日期值的月和日的格式不是两位字符表示。这会导致，日期写入SQLite数据库后，有些值会不正确。这个是新手很容易碰到但较难解决问题。

我们先转为日期，再转为字符格式，就可保证这一点。

SH600000_df

date <-

as.character

(

as.Date

(SH600000_df

date))

str

(SH600000_df)## "data.frame": 4277 obs. of 7 variables:## $ date : chr "1999-11-10" "1999-11-11" "1999-11-12" "1999-11-15" ...## $ open : num 0.93 0.7 0.73 0.77 0.74 0.58 0.66 0.69 0.62 0.57 ...## $ high : num 0.96 0.79 0.79 0.78 0.75 0.66 0.7 0.7 0.63 0.58 ...## $ low : num 0.63 0.7 0.72 0.72 0.57 0.56 0.61 0.61 0.55 0.53 ...## $ close : num 0.72 0.72 0.76 0.72 0.58 0.66 0.64 0.62 0.57 0.57 ...## $ volume: int 174085000 29403400 15007900 11921000 23223100 10052500 8446500 5374900 5535400 3843900 ...## $ amt : num 4.86e+09 8.22e+08 4.22e+08 3.33e+08 6.29e+08 ...

2.3

数据库小白级SQLite数据库入门

读取数据后，将数据写入数据库，我用的是SQLite数据库，前面已介绍了。SQLite是一种轻量级的数据库，非常适合没有数据库基础的非专业人士用来管理自己的数据。有多“轻”呢？它不需要安装数据库管理软件、不需要配置软件环境。安装R包RSQLite（及依赖的包）后就可以直接使用。

安装RSQLite包后你就可以直接运行下面的代码体验一下，你会发现它像使用其它包一样，够“轻”吧。

安装并加载RSQLite包

install.packages(“RSQLite”)安装RSQLite包，如果提示还有其它依赖包需要安装，用install.packages()直接安装好即可。

library

(RSQLite)

创建数据库连接

con_wx <-

dbConnect

(

SQLite

(),

"../input/WX_QuantFinanceWithR_SQLite_data.db"

)

上面这行代码会创建一个连接到指定文件夹下WX_QuantFinanceWithR_SQLite_data.db数据库文件的名叫con_wx的SQLite数据库连接，如果指定的文件夹下没有数据文件，就会在这个文件夹下创建一个空的WX_QuantFinanceWithR_SQLite_data.db数据库文件，并建立连接,之后就可通过这个连接操作（读、写、更新等）数据库中的数据。

对于没用过数据库的会问，用excel、csv、txt等格式保存文件不也是一样吗？

肯定不一样！

即不使用复杂的数据库操作，只以最简单地方式（数据库小白级）读、写数据，数据库也有以下几个优点：

创建带主键的表可以避免重复数据，尤其是重复写入时，主键重复的数据行会自动被忽略或替换（需要设置）；

大表（百万/千万行或更大）可以按指定列（或多个列）条件筛选后读取所需的部门数据行，而不是全部行。

如果稍学一些入门级SQL，则可以大大提高数据操作效率，回复

“RSQLite”

获取相关文章。

创建SQLite数据表

先创建表再写入数据。

sql_create <-

"CREATE TABLE if not exists "SH600000" (

   "date" DATE,

   "open" REAL,

   "high" REAL,

   "low" REAL,

   "close" REAL,

   "volume" INTEGER,

   "amt" REAL,

   PRIMARY KEY ("date" DESC) ON CONFLICT IGNORE);"

dbSendQuery

(con_wx,sql_create)## <SQLiteResult>## SQL CREATE TABLE if not exists "SH600000" (## ## "date" DATE, ## ## "open" REAL, ## ## "high" REAL, ## ## "low" REAL, ## ## "close" REAL, ## ## "volume" INTEGER, ## ## "amt" REAL, ## ## PRIMARY KEY ("date" DESC) ON CONFLICT IGNORE);## ROWS Fetched: 0 [complete]## Changed: 0

dbListTables

(con_wx)## [1] "SH600000"

创建数据表代码说明：

CREATE TABLE if not exists ‘SH600000’ 表示表SH600000不存在就创建，表名放在引号内。

创建的字段名称和类型放在括号内。

字段名称放在引号内，字段名称后是数据类型，字段名称与字段类型之间空一格。DATE是日期格式,REAL是浮点型值（以8字节IEEE浮点数存放），INTEGER是有符号整型值，TEXT是字符格式。

PRIMARY KEY (‘date’ DESC) 表示将date字段设为主键（倒序），可避免重复行并有排序保存数据等；

ON CONFLICT IGNORE 是指在写入数据时，如有重复就忽略（不写入）。除了忽略还可以选择“REPLACE”、“ABORT”、“FAIL”、“ROLLBACK”。

dbSendQuery(con_wx,sql_create) 将SQL语句sql_create通过con_wx提交给数据库引擎执行；

dbListTables(con_wx)查询con_wx所连接到的数据有哪些数据表。

SQLite标准的数据类型有5种,如下：

序号数据类型说明

NULL

空值。

INTEGER

带符号的整型，具体取决有存入数字的范围大小。

REAL

浮点数字，存储为8-byte IEEE浮点数。

TEXT

字符串文本。

BLOB

二进制对象。

同时，SQLite兼容MySQL的数据类型比如上面用到的date类型。

除了先创建表再写入数据外，还可以通过直接向数据库写入数据的方式创建表，见下文“向SQLite数据库写入数据”。

向SQLite数据库写入数据

dbWriteTable

(con_wx,

"SH600000"

,SH600000_df,

append =

TRUE

row.names =

FALSE

)

dbWriteTable

(con_wx,

"SH600000_plus"

,SH600000_df,

append =

TRUE

row.names =

FALSE

)

dbWriteTable()是写入数据库的函数，用到的参数说明如下：

con_wx 是之前创建的数据库连接；

SH600000 是前面创建的数据库中要写入的表名；

SH600000_df 是上文用read.csv读取的SH600000.csv中的数据;

append = TRUE 表示向表中添加数据;

row.names = FALSE 意思是不要把数据框的行号做为一列写入数据中。

写入不成功会有错误提示，首先检查append,row.names两个参数。

上面第二行代码中的SH600000_plus表，我们未没有创建，直接写入数据创建的表，写入成功。可按下文的方法查看数据库中表的表单。

查看数据库中的数据表清单

head

(

dbListTables

(con_wx))## [1] "SH600000" "SH600000_plus"

可以看到我们以直接写入数据的方式创建数据表SH60000_plus。不以这样创建的表不会创建主键，写入重复行时，不会自动忽略或覆盖，所以，最好是先创建带主键的数据表，再写入数据。

从数据库中读取数据(查询)

下面代码从表SH600000中查询整个表。

SH600000_SQLite <-

dbGetQuery

(con_wx,

"select * from SH600000;"

)

head

(SH600000_SQLite,

)## date open high low close volume amt## 1 1999-11-10 0.93 0.96 0.63 0.72 174085000 4859102208## 2 1999-11-11 0.70 0.79 0.70 0.72 29403400 821582208

dbGetQuery(con_wx,“select * from SH600000;”) 将SQL查询语句 “select * from SH600000;” 通过数据库连接con_wx提交并返回查询结果。

head(SH600000_SQLite,2)可以看出，表SH600000最早的记录是1999-11-10日的。下面代码返回日期大于等于2017-12-01的行。

SH600000_SQLite2 <-

dbGetQuery

(con_wx,

"select * from SH600000 where date >= "2017-12-01";"

)

head

(SH600000_SQLite2,

)## date open high low close volume amt## 1 2017-12-29 12.52 12.62 12.51 12.59 16351826 205752880## 2 2017-12-28 12.60 12.66 12.53 12.54 23870824 300834016

SQL语句中的 “where date >= ‘2017-12-01’”，表示按>= ’2017-12-01’的条件筛选date列。

清空数据表

dbSendQuery

(con_wx,

"DELETE FROM SH600000;"

)

#dbSendQuery(con_wx,"truncate table SH600000") #MySQL数据库用这句清空表。

head

(

dbListTables

(con_wx))## <SQLiteResult>## SQL DELETE FROM SH600000;## ROWS Fetched: 0 [complete]## Changed: 4277## [1] "SH600000" "SH600000_plus"

上面代码将con_wx连接到的数据库中的表SH600000中的数据清空，但表（结构）还在。

删除数据表

dbSendQuery

(con_wx,

"DROP TABLE SH600000;"

)

head

(

dbListTables

(con_wx))## <SQLiteResult>## SQL DROP TABLE SH600000;## ROWS Fetched: 0 [complete]## Changed: 4277## [1] "SH600000_plus"

上面代码将con_wx连接到的数据库中的表SH600000删除。

2.4

批量循环读取csv并写入SQLite数据库

result <-

sapply

(file_list,

function

(full_name){ table_name <-

substr

(

basename

(full_name),

) data_read <-

read.csv

(full_name,

header =

FALSE

sep =

","

) data_read <-

data_read[

nrow

(data_read),]

names

(data_read) <-

(

"date"

"open"

"high"

"low"

"close"

"volume"

"amt"

) data_read

date <-

as.character

(

as.Date

(data_read

date)) sql_create <-

paste

(

"CREATE TABLE IF NOT EXISTS "

,table_name,

" (

"date" DATE,

"open" REAL,

"high" REAL,

"low" REAL,

"close" REAL,

"volume" INTEGER,

"amt" REAL,

PRIMARY KEY ("date" DESC) ON CONFLICT IGNORE);"

sep=

)

dbSendQuery

(con_wx,sql_create)

dbWriteTable

(con_wx,table_name,data_read,

append =

TRUE

row.names =

FALSE

)

(

paste

(

Sys.time

(),

"写入表"

,table_name,

"中"

nrow

(data_read),

"行。"

sep=

)) })## [1] "2018-01-07 11:29:28写入表SH600000中4277行。"## [1] "2018-01-07 11:29:29写入表SH600016中4066行。"## [1] "2018-01-07 11:29:29写入表SH600019中3978行。"## [1] "2018-01-07 11:29:29写入表SH600028中3927行。"## [1] "2018-01-07 11:29:30写入表SH600029中3408行。"...省略44行...## [1] "2018-01-07 11:29:39写入表SH603993中1253行。"

#dbListTables(con_wx)

上述代码说明：

file_list带路径的文件名向量,如：“../stock_F/SH600000.csv”；

basename(full_name) 从带路径的文件名中取基本文件名（不带路径），如：“SH600000.csv”；

substr(basename(full_name),1,8) 从基本文件名中取第1个到第8个字符，即：“SH600000”；

print()是输出每个表/每只股票写入的数据行数，循环过程中每循环有个输出是个好办法，一是知道执行到哪一步了，二是有异常报错时知道在哪个循环报的错。

dbDisconnect

(con_wx)

dbDisconnect() 是断开连接，用完数据库要记得断开连接。

批量读写完整代码

我们继续读写无复权股票数据文件，这次我将50个文件写入同一个数据表，用股票代码作code列以区别不同的股票的数据，需要先创建带复合主键的数据表。

library

(RSQLite) con_wx <-

dbConnect

(

SQLite

(),

"../input/WX_QuantFinanceWithR_SQLite_data.db"

) sql_create <-

"CREATE TABLE if not exists "SH50stocks" (

"code" TEXT,

"date" DATE,

"open" REAL,

"high" REAL,

"low" REAL,

"close" REAL,

"volume" INTEGER,

"amt" REAL,

PRIMARY KEY ("code","date") ON CONFLICT IGNORE);"

#这次设置复各主键，这个经常用到。

dbSendQuery

(con_wx,sql_create) file_list <-

list.files

(

"../stock/"

pattern =

"csv"

full.names =

TRUE

) result <-

sapply

(file_list,

function

(full_name){ code <-

substr

(

basename

(full_name),

)

#将股票代码做为一列，与上文不同。

data_read <-

read.csv

(full_name,

header =

FALSE

sep =

","

) data_read <-

data_read[

nrow

(data_read),]

names

(data_read) <-

(

"date"

"open"

"high"

"low"

"close"

"volume"

"amt"

) data_read

date <-

as.character

(

as.Date

(data_read

date))

# 下面这一行是code在前为了将code做为第一列，与创建的数据表保持一致，避免写入错误。

data_read <-

data.frame

(

code =

code,data_read)

dbWriteTable

(con_wx,

"SH50_stocks"

,data_read,

append =

TRUE

row.names =

FALSE

)

(

paste

(

Sys.time

(),

"写入数据表SH50stocks中代码为："

,code,

nrow

(data_read),

"行数据。"

sep=

" "

) })## <SQLiteResult>## SQL CREATE TABLE if not exists "SH50stocks" (## ## "code" TEXT,## "date" DATE, ## "open" REAL, ## "high" REAL, ## "low" REAL, ## "close" REAL, ## "volume" INTEGER, ## "amt" REAL, ## PRIMARY KEY ("code","date") ON CONFLICT IGNORE);## ROWS Fetched: 0 [complete]## Changed: 0## [1] "2018-01-07 11:29:40 写入数据表SH50stocks中代码为： 600000.SH 4277 行数据。"## [1] "2018-01-07 11:29:40 写入数据表SH50stocks中代码为： 600016.SH 4066 行数据。"...省略47行...## [1] "2018-01-07 11:29:50 写入数据表SH50stocks中代码为： 603993.SH 1253 行数据。"

3.1

结束

查看写入数据库的表(只列出了前6个表)：

(

head

(

dbListTables

(con_wx),

))## [1] "SH50_stocks" "SH50stocks" "SH600000" "SH600000_plus"## [5] "SH600016" "SH600019"

查看2017-12-28日每只股票当天的交易记录：

data.

12.28

dbGetQuery

(con_wx,

"select * from SH50_stocks where date = "2017-12-28" "

)

head

(data.

12.28

)## code date open high low close volume amt## 1 600000.SH 2017-12-28 12.60 12.66 12.53 12.54 23870824 300834016## 2 600016.SH 2017-12-28 8.43 8.46 8.39 8.39 56503202 475605024## 3 600019.SH 2017-12-28 8.32 8.69 8.29 8.65 94868348 811240064## 4 600028.SH 2017-12-28 6.10 6.20 6.06 6.18 135822802 835696064## 5 600029.SH 2017-12-28 11.78 12.06 11.68 11.91 60573416 719252160## 6 600030.SH 2017-12-28 18.06 18.45 17.98 18.12 102101410 1864400896

查看某只股票600016.SH的2017-12-01日以来的历史交易记录：

sh600016 <-

dbGetQuery

(con_wx,

"select * from SH50_stocks where code = "600016.SH" and date >= "2017-12-01" "

)

head

(sh600016)## code date open high low close volume amt## 1 600016.SH 2017-12-01 8.79 8.86 8.68 8.83 133017638 1167279616## 2 600016.SH 2017-12-04 8.79 8.86 8.76 8.84 86831890 765035712## 3 600016.SH 2017-12-05 8.82 9.10 8.80 9.03 239648915 2152088320## 4 600016.SH 2017-12-06 8.95 8.99 8.81 8.87 108223628 964007552## 5 600016.SH 2017-12-07 8.83 8.90 8.72 8.87 101262539 892833536## 6 600016.SH 2017-12-08 8.84 8.88 8.78 8.82 74920149 660720320

dbDisconnect

(con_wx)

怎么样，用数据库比用excel、csv高效很多吧，而且以上只是很基本、很简单的SQL语句，尤其是：并不难。要不要把上面的源代码下载下来试一下？地址下面有。

本文源代码及数据文件下载地址

下载地址

百度网盘下载链接：http://pan.baidu.com/s/1kU9cQmr 密码：r0q9。

本文由rmarkdown生成

rmarkdown在是R语言环境的markdown支持包，可实现

图+文+代码+复杂数学公式等

排版，并可输出成html、PDF、word等各种常用格式的报告,尤其是R语言很友好，输出的R语言代码，可直接复制到R中运行，如上文示例中的代码，而R输出到控制台的代码每一行都有“>”或“+”,复制到R语言需要删除才能再运行。

如下所示：

> sql_create <- "CREATE TABLE if not exists "SH600000" (+ "date" DATE, + "open" REAL, + "high" REAL, + "low" REAL, + "close" REAL, + "volume" INTEGER, + "amt" REAL, + PRIMARY KEY ("date" DESC));"> > dbSendQuery(con_wx,sql_create)

上述的下载地址中，包含本语言的rmarkdown源文件，

回复“rmarkdown”

可获取基于本文rmarkdown源文件的rmarkdown使用说明。

比如本文的html格式在chrome下浏览的截图如下：

本文rmarkdown输出html文件在chrome下浏览的截图