[R-es] sobre fread {data.table}
MªLuz Morales
mlzmrls en gmail.com
Jue Oct 1 12:41:10 CEST 2015
Hola de nuevo,
parece que la última versión del paquete data.table es 1.9.6
La he probado y parece que no funciona bien, me da error:
Error in fread("C:/Users/iphealthMariluz/Documents/Proyecto
iphealt/ProcesamientoTexto/Adverse Drug
Event/ADE-Corpus/DRUG-AE_eliminoLinea1856.rel") :
4 arguments passed to .Internal(nchar) which requires 3
El 30 de septiembre de 2015, 13:38, MªLuz Morales <mlzmrls en gmail.com>
escribió:
> Sí, me di cuenta de que el problema era |", y he hecho la sustitución.
> Estoy usando la versión 1.9.4, sí. Voy a ver si consigo la versión 1.9.5.
>
> Muchísimas gracias a todos
> Saludos
> MªLuz
>
>
>
> El 30 de septiembre de 2015, 12:51, Carlos J. Gil Bellosta <
> cgb en datanalytics.com> escribió:
>
>> Si en la línea 1856 de tus datos reemplazas
>>
>> |"cotton-wool" spots|
>>
>> por
>>
>> |cotton-wool spots|
>>
>> funciona (y fread lee todas las línas).
>>
>> Suena a bug en el paquete (porque las comillas que no son vecinas de
>> separador las gestiona correctamente).
>>
>> Igual quieres comentarle al autor del paquete el problema para que le
>> eche un ojo. De todos modos, te recomendaría que comprobases el
>> problema también en la versión de desarrollo, la 1.9.5, por si ya se
>> ha arreglado. La actual (¿es la que usas?) es la 1.9.4.
>>
>> Salud,
>>
>> Carlos J. Gil Bellosta
>> http://www.datanalytics.com
>>
>> El día 30 de septiembre de 2015, 12:37, Carlos Ortega
>> <cof en qualityexcellence.es> escribió:
>> > No sé... alguna explicación habrá...
>> >
>> > ¿Puedes pasarnos tu fichero para ver si lo importamos correctamente
>> > nosotros?.
>> > ¿Puedes comprobar que tienes la última versión de data.table...?
>> >
>> > Gracias,
>> > Carlos Ortega
>> > www.qualityexcellence.es
>> >
>> > El 30 de septiembre de 2015, 10:37, MªLuz Morales <mlzmrls en gmail.com>
>> > escribió:
>> >
>> >> Hola de nuevo,
>> >>
>> >> el archivo .rel esta en una carpeta comprimida .zip, yo la descomprimo
>> con
>> >> win rar. Como no sea ese el motivo por el que no me da el fichero
>> completo?
>> >>
>> >> El 30 de septiembre de 2015, 10:30, MªLuz Morales <mlzmrls en gmail.com>
>> >> escribió:
>> >>
>> >>> Pues soy gafe entonces,
>> >>> no lo entiendo:
>> >>>
>> >>> > datIn <- fread("C:\\Users\\iphealthMariluz\\Documents\\Proyecto
>> iphealt\\ProcesamientoTexto\\Adverse Drug Event\\ADE-Corpus\\DRUG-AE.rel")>
>> dim(datIn)[1] 1855 8
>> >>>
>> >>>
>> >>> El 29 de septiembre de 2015, 18:54, Carlos Ortega <
>> >>> cof en qualityexcellence.es> escribió:
>> >>>
>> >>>> Y con fread.. directamente sobre el ".rel"...
>> >>>>
>> >>>> > datIn <- fread("DRUG-AE.rel")
>> >>>> > dim(datIn)
>> >>>> [1] 6821 8
>> >>>>
>> >>>>
>> >>>>
>> >>>> Saludos,
>> >>>> Carlos Ortega
>> >>>> www.qualityexcellence.es
>> >>>>
>> >>>>
>> >>>> El 29 de septiembre de 2015, 18:45, Pedro Concejero Cerezo <
>> >>>> pedro.concejerocerezo en telefonica.com> escribió:
>> >>>>
>> >>>>> No tiene cabecera. Tendrás que ponerle nombre a las variables
>> >>>>> Prueba este código, yo leo 6821 obs. of 8 variables
>> >>>>>
>> >>>>> library(data.table)
>> >>>>> setwd("C:/Users/pedroc/Desktop/ADE-Corpus-V2") #Pon tu directorio
>> >>>>> trabajo
>> >>>>> dat <- read.table(file = "DRUG-AE.rel",
>> >>>>> sep = "|",
>> >>>>> comment.char = "",
>> >>>>> header = F,
>> >>>>> quote = "")
>> >>>>>
>> >>>>> str(dat)
>> >>>>>
>> >>>>> datt <- data.table(dat)
>> >>>>>
>> >>>>>
>> >>>>> El 29/09/2015 a las 17:31, Pedro Concejero Cerezo escribió:
>> >>>>> Hola, M. Luz.
>> >>>>> Hay infinidad de motivos por los que se te puede cortar la lectura
>> de
>> >>>>> un archivo de datos, pero los más habituales son encontrar un "#" o
>> unas ""
>> >>>>> en los registros, o una línea toda en blanco.
>> >>>>> Lo primero yo creo que es dejar el archivo en texto plano (lo que te
>> >>>>> recomendaba Carlos de usar el original, no el docx), y buscar esos
>> >>>>> caracteres con un editor de texto plano tipo Notepad. Los puedes
>> eliminar
>> >>>>> si no cumplen ninguna función.
>> >>>>> Yo te recomiendo usar read.table que te permite configurar estos
>> >>>>> detalles. En concreto:
>> >>>>>
>> >>>>> comment.char = "" no te corta la lectura de fichero como si fuera
>> un
>> >>>>> comentario, te lo añade a la cadena (eso si quieres usar el
>> carácter, si no
>> >>>>> elimínalo)
>> >>>>> quote = "" lo mismo con la comilla como comienzo de una cadena
>> >>>>>
>> >>>>> Pero verás que hay muchísimas más opciones que te evitan que se
>> corte
>> >>>>> la lectura (blank lines, ...) o que te rellene con NA's si no
>> encuentra
>> >>>>> todas las columnas del header (flush = TRUE).
>> >>>>> Luego pasas a data.table con data.table(objeto_que_has_leido) y ya
>> está.
>> >>>>>
>> >>>>> read.table(file, header = FALSE, sep = "", quote = "\"'",
>> >>>>> dec = ".", numerals = c("allow.loss", "warn.loss",
>> >>>>> "no.loss"),
>> >>>>> row.names, col.names, as.is = !stringsAsFactors,
>> >>>>> na.strings = "NA", colClasses = NA, nrows = -1,
>> >>>>> skip = 0, check.names = TRUE, fill = !blank.lines.skip,
>> >>>>> strip.white = FALSE, blank.lines.skip = TRUE,
>> >>>>> comment.char = "#",
>> >>>>> allowEscapes = FALSE, flush = FALSE,
>> >>>>> stringsAsFactors = default.stringsAsFactors(),
>> >>>>> fileEncoding = "", encoding = "unknown", text, skipNul =
>> >>>>> FALSE)
>> >>>>>
>> >>>>>
>> >>>>> Saludos,
>> >>>>> Pedro
>> >>>>>
>> >>>>> =============
>> >>>>> En respuesta a:
>> >>>>>
>> >>>>> ------------------------------
>> >>>>>
>> >>>>> Message: 2
>> >>>>> Date: Tue, 29 Sep 2015 16:55:05 +0200
>> >>>>> From: MªLuz Morales <mlzmrls en gmail.com><mailto:mlzmrls en gmail.com>
>> >>>>> To: r-help-es <r-help-es en r-project.org><mailto:
>> r-help-es en r-project.org>
>> >>>>> Subject: [R-es] sobre fread {data.table}
>> >>>>> Message-ID:
>> >>>>> <
>> >>>>> CANmAToM+sRRTfOBRYsrgoUdxdXVtrk21_E7LE0rrb8ENmMiBqQ en mail.gmail.com
>> >>>>> ><mailto:
>> >>>>> CANmAToM+sRRTfOBRYsrgoUdxdXVtrk21_E7LE0rrb8ENmMiBqQ en mail.gmail.com>
>> >>>>> Content-Type: text/plain; charset="UTF-8"
>> >>>>>
>> >>>>> Buenas tardes,
>> >>>>>
>> >>>>> intento almacenar el contenido de un archivo .docx en un data.table,
>> >>>>> pero
>> >>>>> solo me devuelve 1855 filas cuando deberñian ser 6821.
>> >>>>>
>> >>>>> Sin embargo, el mismo archivo se me descarga completo usando
>> read_docx
>> >>>>> {qdapTools}, pero este devuelve un vector carácter y no es lo que
>> >>>>> quiero.
>> >>>>>
>> >>>>> ¿Alguien sabe donde puede estar el problema?
>> >>>>>
>> >>>>> Nota: El docx procede de un archivo .rel que descargué de internet,
>> al
>> >>>>> cual
>> >>>>> cambié la extensión por .doc y una vez abierto guardé como docx.
>> >>>>>
>> >>>>> Gracias!!
>> >>>>> Un saludo
>> >>>>> MªLuz
>> >>>>>
>> >>>>>
>> >>>>> --
>> >>>>> Pedro Concejero
>> >>>>> E-mail: pedro.concejerocerezo en telefonica.com<mailto:
>> >>>>> pedro.concejerocerezo en telefonica.com>
>> >>>>> skype: pedro.concejero
>> >>>>> twitter @ConcejeroPedro<https://twitter.com/ConcejeroPedro>
>> >>>>> linkedin pedroconcejero<
>> http://www.linkedin.com/in/pedroconcejero/es>
>> >>>>> Entusiasta R, me encontraréis aquí gRupo R madRid <
>> >>>>> http://madrid.r-es.org/>
>> >>>>>
>> >>>>>
>> >>>>> --
>> >>>>> Pedro Concejero
>> >>>>> E-mail: pedro.concejerocerezo en telefonica.com<mailto:
>> >>>>> pedro.concejerocerezo en telefonica.com>
>> >>>>> skype: pedro.concejero
>> >>>>> twitter @ConcejeroPedro<https://twitter.com/ConcejeroPedro>
>> >>>>> linkedin pedroconcejero<
>> http://www.linkedin.com/in/pedroconcejero/es>
>> >>>>> Entusiasta R, me encontraréis aquí gRupo R madRid <
>> >>>>> http://madrid.r-es.org/>
>> >>>>>
>> >>>>> ________________________________
>> >>>>>
>> >>>>> Este mensaje y sus adjuntos se dirigen exclusivamente a su
>> >>>>> destinatario, puede contener información privilegiada o
>> confidencial y es
>> >>>>> para uso exclusivo de la persona o entidad de destino. Si no es
>> usted. el
>> >>>>> destinatario indicado, queda notificado de que la lectura,
>> utilización,
>> >>>>> divulgación y/o copia sin autorización puede estar prohibida en
>> virtud de
>> >>>>> la legislación vigente. Si ha recibido este mensaje por error, le
>> rogamos
>> >>>>> que nos lo comunique inmediatamente por esta misma vía y proceda a
>> su
>> >>>>> destrucción.
>> >>>>>
>> >>>>> The information contained in this transmission is privileged and
>> >>>>> confidential information intended only for the use of the
>> individual or
>> >>>>> entity named above. If the reader of this message is not the
>> intended
>> >>>>> recipient, you are hereby notified that any dissemination,
>> distribution or
>> >>>>> copying of this communication is strictly prohibited. If you have
>> received
>> >>>>> this transmission in error, do not read it. Please immediately
>> reply to the
>> >>>>> sender that you have received this communication in error and then
>> delete
>> >>>>> it.
>> >>>>>
>> >>>>> Esta mensagem e seus anexos se dirigem exclusivamente ao seu
>> >>>>> destinatário, pode conter informação privilegiada ou confidencial e
>> é para
>> >>>>> uso exclusivo da pessoa ou entidade de destino. Se não é vossa
>> senhoria o
>> >>>>> destinatário indicado, fica notificado de que a leitura, utilização,
>> >>>>> divulgação e/ou cópia sem autorização pode estar proibida em
>> virtude da
>> >>>>> legislação vigente. Se recebeu esta mensagem por erro, rogamos-lhe
>> que nos
>> >>>>> o comunique imediatamente por esta mesma via e proceda a sua
>> destruição
>> >>>>>
>> >>>>> [[alternative HTML version deleted]]
>> >>>>>
>> >>>>> _______________________________________________
>> >>>>> R-help-es mailing list
>> >>>>> R-help-es en r-project.org
>> >>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>> >>>>>
>> >>>>
>> >>>>
>> >>>>
>> >>>> --
>> >>>> Saludos,
>> >>>> Carlos Ortega
>> >>>> www.qualityexcellence.es
>> >>>>
>> >>>
>> >>>
>> >>
>> >
>> >
>> > --
>> > Saludos,
>> > Carlos Ortega
>> > www.qualityexcellence.es
>> >
>> > [[alternative HTML version deleted]]
>> >
>> > _______________________________________________
>> > R-help-es mailing list
>> > R-help-es en r-project.org
>> > https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es