[R-es] sobre fread {data.table}
Carlos Ortega
cof en qualityexcellence.es
Jue Oct 1 14:34:48 CEST 2015
Hola,
Ayer probé sobre Windows la 1.9.6 y me cargóel conjunto sin problemas.
Comentaste que habías manipulado el fichero y algo habías quitado, puede
que hayas cambiado el número de columnas en esa línea y que ahora no tenga
las mismas que el resto y por eso fread da error.
Si puedes pasarnos tu fichero vemos si esto es así...
Gracias,
Carlos Ortega
www.qualityexcellence.es
El 1 de octubre de 2015, 12:41, MªLuz Morales <mlzmrls en gmail.com> escribió:
> 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]]
>
> _______________________________________________
> 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
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es