thr3ads.net - R help es - [R-es] sobre fread {data.table} [Sep 2015]

If this information is useful, please help other people find it:
Share via:

Pedro Concejero Cerezo

2015-Sep-29 15:31 UTC

[R-es] sobre fread {data.table}

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/>

________________________________

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]]

MªLuz Morales

2015-Sep-29 15:38 UTC

head link

[R-es] sobre fread {data.table}

De acuerdo,
voy a probarlo
Muchas gracias

Saludos
MªLuz

El 29 de septiembre de 2015, 17:31, Pedro Concejero Cerezo <
pedro.concejerocerezo en telefonica.com> 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/
> >
>
> ________________________________
>
> 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
>
	[[alternative HTML version deleted]]

Carlos Ortega

2015-Sep-29 15:54 UTC

head link

[R-es] sobre fread {data.table}

También si nos envías el .rel nos ayudaría a ver qué pasa...

Saludos,
Carlos Ortega.

El 29 de septiembre de 2015, 17:38, MªLuz Morales <mlzmrls en gmail.com>
escribió:
> De acuerdo,
> voy a probarlo
> Muchas gracias
>
> Saludos
> MªLuz
>
> El 29 de septiembre de 2015, 17:31, Pedro Concejero Cerezo <
> pedro.concejerocerezo en telefonica.com> 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/
> > >
> >
> > ________________________________
> >
> > 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
> >
>
>         [[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]]

Carlos J. Gil Bellosta

2015-Sep-29 16:00 UTC

head link

[R-es] sobre fread {data.table}

Hola, ¿qué tal?

1) No cambies la extensión de un fichero. Especialmente en Windows. Si
es .rel, es .rel.
2) Seguramente, el .rel es un fichero de texto (no un documento de
Word). Usa un buen editor de texto plano para abrir esos ficheros.
Sospecho que estás en Windows y ahí hay mucha gente que usa Notepad+.
De todos modos, creo que puedes abrirlo hasta con RStudio para
explorarlo.
3) La razón número 1 por la que es posible que se salten líneas es la
presencia de algún apóstrofe en los datos. Mira a ver si alrededor de
la fila 1855 tienes uno.
4) Con read.table puedes gestionar esos apóstrofes (con la opción
"quote"). Con fread creo que no. Lee la ayuda con detenimiento.

Un saludo,

Carlos J. Gil Bellosta
http://www.datanalytics.com

El día 29 de septiembre de 2015, 17:38, MªLuz Morales
<mlzmrls en gmail.com> escribió:> De acuerdo,
> voy a probarlo
> Muchas gracias
>
> Saludos
> MªLuz
>
> El 29 de septiembre de 2015, 17:31, Pedro Concejero Cerezo <
> pedro.concejerocerezo en telefonica.com> 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/
>> >
>>
>> ________________________________
>>
>> 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
>>
>
>         [[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

Pedro Concejero Cerezo

2015-Sep-29 16:45 UTC

head link

[R-es] sobre fread {data.table}

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]]

Carlos Ortega

2015-Sep-29 16:54 UTC

head link

[R-es] sobre fread {data.table}

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]]

Apparently Analagous Threads

Search for more seemingly similar threads

R help es - Sep 2015 - sobre fread {data.table}

[R-es] sobre fread {data.table}

[R-es] sobre fread {data.table}

[R-es] sobre fread {data.table}

[R-es] sobre fread {data.table}

[R-es] sobre fread {data.table}

[R-es] sobre fread {data.table}

Apparently Analagous Threads