readr proporciona una forma rápida y amigable de leer datos de archivos delimitados, como valores separados por comas (.csv) y valores separados por tabulaciones (.tsv).
# install.packages("readr")
library(readr)
# o directamente
library(tidyverse)
#> -- Attaching core tidyverse packages ------------------------ tidyverse 2.0.0 --
#> v dplyr 1.1.4 v purrr 1.0.2
#> v forcats 1.0.0 v stringr 1.5.1
#> v ggplot2 3.4.4 v tibble 3.2.1
#> v lubridate 1.9.3 v tidyr 1.3.0
#> -- Conflicts ------------------------------------------ tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag() masks stats::lag()
#> i Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsAntes de mostrar las principales funciones de readr, vamos a crear
unas bases de datos sencillas para poder trabajar con ellas.
peas_vector <- c("Green", "Smooth", "116", "9",
"Green", "Wrinkled", "40", "3",
"Yellow", "Smooth", "31", "3",
"Yellow", "Wrinkled", "13", "1")
peas <- as_tibble(matrix(peas_vector, nrow = 4, ncol = 4, byrow = T))
colnames(peas) <- c("Color", "Textura", "Observacion", "Proporcion")
peas2_vector <- c("Green", "Smooth", "120", "9",
"Green", "Wrinkled", "38", "3",
"Yellow", "Smooth", "32", "3",
"Yellow", "Wrinkled", "10", "1")
peas2 <- as_tibble(matrix(peas2_vector, nrow = 4, ncol = 4, byrow = T))
colnames(peas2) <-c("Color", "Textura", "Observacion", "Proporcion")# establecer previamente el directorio de trabajo, donde se guardarán los archivos
# setwd("mi_directorio_de_trabajo")
# en readr
write_csv(peas, file = "peas.csv") # archivo separado por comas
write_delim(peas,
file = "peas_tab.csv",
delim = "|") # opción de emplear cualquier delimitador
# otras funciones:
# write_csv2() archivo separado por ;
# write_tsv() archivo .txt
# en R base la sintaxis es muy similar
write.csv(peas, file = "peas_rbase.csv") # archivo separado por comas
# write.csv2() # archivo separado por ;Con cualquier delimitador
# con readr no es necesario especificar el delimitador
peas_readr <- read_delim("peas_tab.csv")
print(peas_readr)
#> # A tibble: 4 x 4
#> Color Textura Observacion Proporcion
#> <chr> <chr> <dbl> <dbl>
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1
# en R base sí
peas_rbase <- read.delim("peas_tab.csv", sep = "|")
print(peas_rbase)
#> Color Textura Observacion Proporcion
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1Separados por comas
# readr
peas_readr <- read_csv("peas.csv")
print(peas_readr)
#> # A tibble: 4 x 4
#> Color Textura Observacion Proporcion
#> <chr> <chr> <dbl> <dbl>
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1
# R base
peas_rbase <- read.csv("peas.csv")
print(peas_rbase)
#> Color Textura Observacion Proporcion
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1A la hora de leer los archivos en R, se pueden establecer ciertos parámetros en función de las necesidades. Por ejemplo, establecer que el encabezado por defecto no lo detecte como tal y lo lea como una fila más.
# readr
peas_readr <- read_delim("peas.csv", col_names = F)
print(peas_readr)
#> # A tibble: 5 x 4
#> X1 X2 X3 X4
#> <chr> <chr> <chr> <chr>
#> 1 Color Textura Observacion Proporcion
#> 2 Green Smooth 116 9
#> 3 Green Wrinkled 40 3
#> 4 Yellow Smooth 31 3
#> 5 Yellow Wrinkled 13 1
# R base
peas_rbase <- read.csv("peas.csv", header = F)
print(peas_rbase)
#> V1 V2 V3 V4
#> 1 Color Textura Observacion Proporcion
#> 2 Green Smooth 116 9
#> 3 Green Wrinkled 40 3
#> 4 Yellow Smooth 31 3
#> 5 Yellow Wrinkled 13 1Al contrario, puede que las bases de datos no contengan encabezado y se quiera añadir conforme se lee el archivo en R.
# readr
peas_readr <- read_delim("peas.csv", col_names = c("Colour", "Coat", "Obs", "Ratio"))
print(peas_readr)
#> # A tibble: 5 x 4
#> Colour Coat Obs Ratio
#> <chr> <chr> <chr> <chr>
#> 1 Color Textura Observacion Proporcion
#> 2 Green Smooth 116 9
#> 3 Green Wrinkled 40 3
#> 4 Yellow Smooth 31 3
#> 5 Yellow Wrinkled 13 1
# R base
colnames(peas_rbase) <- c("Colour", "Coat", "Obs", "Ratio")
print(peas_rbase)
#> Colour Coat Obs Ratio
#> 1 Color Textura Observacion Proporcion
#> 2 Green Smooth 116 9
#> 3 Green Wrinkled 40 3
#> 4 Yellow Smooth 31 3
#> 5 Yellow Wrinkled 13 1Otro ejemplo, es que al importar los datos para comenzar el trabajo en R, se quiera especificar directamente el formato en el que debe leer cada variable.
# readr
# en readr, mediante el argumento col_types se pueden especificar las columnas directamente de forma independiente
peas_readr <- read_csv("peas.csv",
col_types = cols(
Color = col_factor(),
Textura = col_factor(),
Observacion = col_integer(),
Proporcion = col_integer()
)
)
str(peas_readr)
#> spc_tbl_ [4 x 4] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
#> $ Color : Factor w/ 2 levels "Green","Yellow": 1 1 2 2
#> $ Textura : Factor w/ 2 levels "Smooth","Wrinkled": 1 2 1 2
#> $ Observacion: int [1:4] 116 40 31 13
#> $ Proporcion : int [1:4] 9 3 3 1
#> - attr(*, "spec")=
#> .. cols(
#> .. Color = col_factor(levels = NULL, ordered = FALSE, include_na = FALSE),
#> .. Textura = col_factor(levels = NULL, ordered = FALSE, include_na = FALSE),
#> .. Observacion = col_integer(),
#> .. Proporcion = col_integer()
#> .. )
#> - attr(*, "problems")=<externalptr>
# adicionalmente se puede realizar con un vector: "ffii", donde se indica que las dos primeras columnas son factores y las dos siguientes son numéricas
peas_readr <- read_csv("peas.csv",
col_types = "ffii")
str(peas_readr)
#> spc_tbl_ [4 x 4] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
#> $ Color : Factor w/ 2 levels "Green","Yellow": 1 1 2 2
#> $ Textura : Factor w/ 2 levels "Smooth","Wrinkled": 1 2 1 2
#> $ Observacion: int [1:4] 116 40 31 13
#> $ Proporcion : int [1:4] 9 3 3 1
#> - attr(*, "spec")=
#> .. cols(
#> .. Color = col_factor(levels = NULL, ordered = FALSE, include_na = FALSE),
#> .. Textura = col_factor(levels = NULL, ordered = FALSE, include_na = FALSE),
#> .. Observacion = col_integer(),
#> .. Proporcion = col_integer()
#> .. )
#> - attr(*, "problems")=<externalptr>
# R base
peas_rbase <- read.csv("peas.csv")
str(peas_rbase)
#> 'data.frame': 4 obs. of 4 variables:
#> $ Color : chr "Green" "Green" "Yellow" "Yellow"
#> $ Textura : chr "Smooth" "Wrinkled" "Smooth" "Wrinkled"
#> $ Observacion: int 116 40 31 13
#> $ Proporcion : int 9 3 3 1
# mediante el argumento colClasses se puede especificar directamente
peas_rbase <- read.csv("peas.csv",
colClasses = c("factor", "factor", "integer", "integer"))En readr dentro de la función read_csv(), además se puede
especificar el argumento guess_max. En grandes bases de datos,
normalmente esta función de readr usa las 1000 primeras filas para
identificar/establecer el tipo de variable que es cada columna. Se puede
usar este argumento, para indicar el número de filas que tiene que usar
para determinar el tipo de columna.
Puede ser que tengamos varios archivos complementarios entre sí, pero que contienen información diferente. En este caso, podría ser interesante importarlos todos juntos para comenzar a trabajar con ellos en R.
# en readr, se pueden cargar directamente concatenándolos
black_eyed_readr <- read_csv(c("peas.csv", "peas2.csv"))
print(black_eyed_readr)
#> # A tibble: 8 x 4
#> Color Textura Observacion Proporcion
#> <chr> <chr> <dbl> <dbl>
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1
#> 5 Green Smooth 120 9
#> 6 Green Wrinkled 38 3
#> 7 Yellow Smooth 32 3
#> 8 Yellow Wrinkled 10 1
# con R base se importan por separado y después se pueden unir
peas_rbase <- read.csv("peas.csv")
peas_rbase_2 <- read.csv("peas2.csv")
black_eyed_rbase <- rbind(peas_rbase, peas_rbase_2)
print(black_eyed_rbase)
#> Color Textura Observacion Proporcion
#> 1 Green Smooth 116 9
#> 2 Green Wrinkled 40 3
#> 3 Yellow Smooth 31 3
#> 4 Yellow Wrinkled 13 1
#> 5 Green Smooth 120 9
#> 6 Green Wrinkled 38 3
#> 7 Yellow Smooth 32 3
#> 8 Yellow Wrinkled 10 1En general, la sintaxis entre ambos paquetes es muy similar, pero en
algunos casos readr reduce la cantidad de código necesario!