[R-es] sobre fread {data.table}
MªLuz Morales
mlzmrls en gmail.com
Mie Sep 30 10:30:13 CEST 2015
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
>
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es