[R-es] sobre fread {data.table}
Carlos Ortega
cof en qualityexcellence.es
Jue Oct 1 18:10:02 CEST 2015
Hola,
Me llegó el primero sin problemas.
- Me sigue funcionando en Mac, sin ningún tipo de problemas.
- Opciones:
- Prueba con la alternativa que te comentó ayer Pedro (la vuelvo a
incluir), que funciona perfectamente también.
- Y si quieres seguir con "fread", vuelve a iniciar sesión en
RStudio, no cargues ningún paquete, elimina fread y vuelve a instalarlo.
Prueba a cargar el fichero otra vez.
#--------------------------------------------------
dat <- read.table(file = "DRUG-AE.rel",
sep = "|",
comment.char = "",
header = F,
quote = "")
El 1 de octubre de 2015, 17:39, MªLuz Morales <mlzmrls en gmail.com> escribió:
> Creo que no me deja adjuntar un archivo grande. Lo envío comprimido
>
> El 1 de octubre de 2015, 16:42, MªLuz Morales <mlzmrls en gmail.com>
> escribió:
>
>> Hola,
>> este es el archivo que estoy usando, pero en ese creo que no he
>> modificado nada.
>> Me instalé las actualizaciones de todos los paquetes, quizá el problema
>> venga por ahí, que no sea de data.table sino de otro...
>>
>> Gracias
>> Un saludo
>> MªLuz
>>
>> El 1 de octubre de 2015, 14:34, Carlos Ortega <cof en qualityexcellence.es>
>> escribió:
>>
>>> 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
>>>
>>
>>
>
--
Saludos,
Carlos Ortega
www.qualityexcellence.es
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es