[R-es] sobre fread {data.table}
MªLuz Morales
mlzmrls en gmail.com
Mie Sep 30 13:38:13 CEST 2015
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