readr.qmd

---
title: "[readr](https://readr.tidyverse.org/)"
toc: true
toc-depth: 4
format:
  gfm: default
  html:
    css: ecosistemas.css
knitr:
  opts_chunk: 
    echo: true
    eval: true
    error: true
    collapse: true
    comment: "#>" 
editor: visual
editor_options: 
  chunk_output_type: console
---

> 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).

```{r libreria}
# install.packages("readr")
library(readr)

# o directamente
library(tidyverse)
```

Antes de mostrar las principales funciones de `readr`, vamos a crear unas bases de datos sencillas para poder trabajar con ellas.

```{r message = FALSE, warning = FALSE}
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")
```

## Guardar datos

```{r guardar datos, message = FALSE, warning = FALSE}
# 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 ;
```

## Importar archivos

Con cualquier delimitador

```{r importar, message = FALSE, warning = FALSE}
# con readr no es necesario especificar el delimitador
peas_readr <- read_delim("peas_tab.csv")
print(peas_readr)

# en R base sí
peas_rbase <- read.delim("peas_tab.csv", sep = "|")
print(peas_rbase)
```

Separados por comas

```{r leer archivos, message = FALSE, warning = FALSE}
# readr
peas_readr <- read_csv("peas.csv")
print(peas_readr)

# R base
peas_rbase <- read.csv("peas.csv")
print(peas_rbase)
```

#### Quitar o cambiar encabezado de las columnas

A 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.

```{r encabezado, message = FALSE}
# readr
peas_readr <- read_delim("peas.csv", col_names = F)
print(peas_readr) 

# R base
peas_rbase <- read.csv("peas.csv", header  = F)
print(peas_rbase)
```

Al contrario, puede que las bases de datos no contengan encabezado y se quiera añadir conforme se lee el archivo en R.

```{r no encabezado, message = FALSE}
# readr
peas_readr <- read_delim("peas.csv", col_names = c("Colour", "Coat", "Obs", "Ratio"))
print(peas_readr)

# R base
colnames(peas_rbase) <- c("Colour", "Coat", "Obs", "Ratio")
print(peas_rbase)
```

#### Especificación de columnas

Otro 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.

```{r especificacion de columnas, message = FALSE}
# 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)

# 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)


# R base
peas_rbase <- read.csv("peas.csv")
str(peas_rbase)

# 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.

#### Leer varios archivos en una misma tabla

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.

```{r leer varios archivos en una tabla, message = FALSE, warning = FALSE}
# en readr, se pueden cargar directamente concatenándolos
black_eyed_readr <- read_csv(c("peas.csv", "peas2.csv"))
print(black_eyed_readr)

# 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)
```

En general, la sintaxis entre ambos paquetes es muy similar, pero en algunos casos `readr` reduce la cantidad de código necesario!