Taller N°9

EJERCICIOS DE EXPORTACIÓN E IMPORTACIÓN DE ARCHIVOS EN R

Por supuesto, no nos vamos a limitar a trabajar con datos de ejemplo provistos por R: queremos utilizar también nuestras propias tablas. En R hay decenas de maneras de importar datos tabulares desde distintas fuentes (Excel, bases de datos, SPSS, etc.) pero la más habitual consiste en leer ficheros de texto con la función read.table.

Existen muchas variantes de ficheros de texto: csv, ficheros separados con tabulador, con y sin encabezamientos, con distintos códigos para representar los nulos, etc. La función read.table es muy flexible y tiene muchos parámetros, casi demasiados, para adaptarse a la mayor parte de ellos10.

Antes de comenzar a utilizarla, sin embargo, es necesaria una digresión acerca de directorios y directorios de trabajo. El directorio de trabajo es aquel en el que R busca y escribe ficheros por defecto. Las funciones getwd y setwd permiten, respectivamente, averiguar cuál es y cambiarlo si procede. De todos modos, la mejor manera de especificar el directorio de trabajo en RStudio es usando los menús: Files > More > Set as working directory.

getwd().
setwd(“..”) # “sube” al directorio padre del actual.
setwd(“mi_proyecto/src”) # ruta relativa.
setwd(“c:/users/yo/proyecto”) # ruta absoluta en Windows.
setwd(“/home/yo/proyecto”) # ruta absoluta en Linux y otros.
dir() # contenidos del directorio “de trabajo”.
Una llamada típica a read.table para leer un fichero es así.:

datos <- read.table(“data_dir/mi_fichero.csv”, sep = “, header = TRUE)

Examinénmosla:

datos es el nombre de la tabla que recibirá la información leída por read.table; de no hacerse la asignación, R se limitará a imprimirlos en la consola.
“data_dir/mi_fichero.csv” (¡entrecomillado!) es la ruta del fichero de interés. Se trata de una ruta relativa al directorio de trabajo, que se supone que contiene el subdirectorio data_dir y, dentro de él, el fichero mi_fichero.csv.
sep = “ indica que los campos del fichero están separados por tabuladores (sí, el tabulador es . Muchos ficheros tienen campos separados por, además del tabulador, caracteres tales como ,, ;, | u otros. Es necesario indicárselo a R y la manera de averiguar qué separador usa un fichero, si es que no se sabe, es abriéndolo previamente con un editor de texto decente11.
header = TRUE indica que la primera fila del fichero contiene los nombres de las columnas. Si olvidas especificarlo y la primera fila del fichero contiene efectivamente el nombre de las columnas, R interpretará estas, erróneamente, como datos.

Con una expresión similar a esa, tal vez cambiando el separador, se leen la mayoría de los ficheros de texto habituales. Otras opciones de las muchas que tiene read.table que pueden ser útiles en determinadas ocasiones son:

dec, para indicar el separador de decimales. Por defecto es ., pero en ocasiones hay que cambiarlo a dec = “,” para que interprete correctamente, p.e., el antiguo estándar español (p.e., 67,56 en lugar de 67.56).
quote, que indica qué caracter se usa para acotar campos de texto. En algunas ocasiones aparecen campos de texto que contienen apóstrofes (p.e., calle O’Donnell) y la carga de datos puede fracasar de no indicarse quote = ““. Esta expresión desactiva el papel especial de acotación de campos de texto que por defecto tienen las comillas. Realizar los siguientes ejercicios:

Ejercicio N°1

Lee el fichero paro.csv (ARCHIVO ADJUNTO) usando la función read.table. Comprueba que está correctamente importado usando head, tail, nrow, summary, etc. Para leer la tabla necesitarás leer con cierto detenimiento ?read.table.

Leer y cargar nuestros datos como data frame

###Ejercicio 1

library(readr)

## Warning: package 'readr' was built under R version 4.2.3

library(readxl)

## Warning: package 'readxl' was built under R version 4.2.3

# 1. Obtener el directorio de trabajo actual
getwd()

## [1] "C:/Users/USUARIO2021/OneDrive/Desktop/T9"

# 2. Establecer el directorio de trabajo a "C:/Rs"
setwd("C:/Rs")

# 3. Listar los archivos en el nuevo directorio de trabajo
dir()

## [1] "Apuesta.txt"    "Datos_Analisis" "paro.csv"

# 4. Leer el archivo CSV "paro.csv" y almacenarlo en un objeto llamado "paro"

paro <- read.csv(file = "paro.csv", header = TRUE, sep = "")

2)Explorar objetos

# 5. Mostrar las primeras filas del conjunto de datos "paro" para visualizar los primeros datos
head(paro)

# 6. Mostrar las últimas filas del conjunto de datos "paro" para visualizar los últimos datos
tail(paro)

# 7. Obtener el número de filas en el conjunto de datos "paro"
nrow(paro)

## [1] 8320

# 8. Mostrar estadísticas resumidas de las variables en el conjunto de datos "paro"
summary(paro)

##     Gender           Provinces           Periodo           Situation        
##  Length:8320        Length:8320        Length:8320        Length:8320       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##      value       
##  Min.   :   0.0  
##  1st Qu.:  14.4  
##  Median :  61.9  
##  Mean   : 120.1  
##  3rd Qu.: 144.7  
##  Max.   :1828.9  
##  NA's   :1

Ejercicio N°2

Repite el ejercicio anterior eliminando la opción header = TRUE. Examina el resultado y comprueba que, efectivamente, los datos no se han cargado correctamente.

#EJERCICIO 2:

# Establecer el directorio de trabajo
setwd("C:/Rs")

# Leer el archivo "paro.csv" y almacenarlo en el objeto "paro_data_sin_encabezado"
paro_data_sin_encabezado <- read.table(file = "paro.csv", header = TRUE, sep = ",")

# Mostrar las primeras filas del conjunto de datos "paro_data_sin_encabezado"
head(paro_data_sin_encabezado)

# Mostrar las últimas filas del conjunto de datos "paro_data_sin_encabezado"
tail(paro_data_sin_encabezado)

# Obtener el número de filas en el conjunto de datos "paro_data_sin_encabezado"
nrow(paro_data_sin_encabezado)

## [1] 8320

# Mostrar estadísticas resumidas de las variables en el conjunto de datos "paro_data_sin_encabezado"
summary(paro_data_sin_encabezado)

##  Gender.Provinces.Periodo.Situation.value
##  Length:8320                             
##  Class :character                        
##  Mode  :character

Ejercicio N°3

Lee algún fichero de datos de tu interés y repite el ejercicio anterior (CADA GRUPO USARÁ SU ARCHIVO DE PREFERENCIA Y LO EXPLICARÁ EN LA EXPOSICIÓN).

#Ejercicio 3

# Establecer el directorio de trabajo
setwd("C:/Rs")

# Leer el archivo "Apuesta.txt" y almacenarlo en el objeto "apuesta"
apuesta <- read.table("Apuesta.txt", sep = "", header = TRUE)

# Mostrar el contenido del conjunto de datos "apuesta"
apuesta

# Mostrar las primeras filas del conjunto de datos "apuesta" para visualizar los primeros datos
head(apuesta)

# Mostrar las últimas filas del conjunto de datos "apuesta" para visualizar los últimos datos
tail(apuesta)

# Obtener el número de filas en el conjunto de datos "apuesta"
nrow(apuesta)

## [1] 15

# Mostrar estadísticas resumidas de las variables en el conjunto de datos "apuesta"
summary(apuesta)

##        ID         Usuario             Evento              Monto      
##  Min.   : 1.0   Length:15          Length:15          Min.   : 10.0  
##  1st Qu.: 4.5   Class :character   Class :character   1st Qu.: 27.5  
##  Median : 8.0   Mode  :character   Mode  :character   Median : 45.0  
##  Mean   : 8.0                                         Mean   : 48.0  
##  3rd Qu.:11.5                                         3rd Qu.: 67.5  
##  Max.   :15.0                                         Max.   :100.0  
##   Resultado        
##  Length:15         
##  Class :character  
##  Mode  :character  
##                    
##                    
##

Ejercicio N°4

En read.table y sus derivados puedes indicar, además de ficheros disponibles en el disco duro, la URL de uno disponible en internet. Prueba a leer directamente el fichero disponible en https://datanalytics.com/uploads/datos_treemap.txt. Nota: es un fichero de texto separado por tabuladores y con nombres de columna.

fichero<-read.table( "https://datanalytics.com/uploads/datos_treemap.txt", sep = "\t",header = T)
fichero

#View(fichero): Abre una vista en una ventana separada (en RStudio) para explorar los datos de manera interactiva.
View(fichero)
#head(fichero): Muestra las primeras filas del data frame
head(fichero)

#nrow(fichero): Muestra el número de filas en el data frame.
nrow(fichero)

## [1] 34

#summary(fichero): Proporciona un resumen estadístico de las columnas del data frame, incluyendo el mínimo, 1er cuartil, mediana, media, 3er cuartil y máximo.
summary(fichero)

##     valor                cap             div        
##  Length:34          Min.   :  838   Min.   : 0.200  
##  Class :character   1st Qu.: 1921   1st Qu.: 4.565  
##  Mode  :character   Median : 4000   Median : 5.855  
##                     Mean   :10359   Mean   : 6.013  
##                     3rd Qu.:11488   3rd Qu.: 7.665  
##                     Max.   :57917   Max.   :12.040  
##                                     NA's   :2

area4 <- c(12.5,16,9.5,10,NA,NA)

Ejercicio N°5

Alternativamente, si quieres leer un fichero remoto, puedes descargarlo directamente desde R. Consulta la ayuda de download.file para bajarte al disco duro el fichero del ejercicio anterior (EJERCICIO 5) y leerlo después.

# Ejercicio 5 

# 1. Descargar el archivo desde la URL proporcionada y guardarlo localmente como "Datos_Analisis"
download.file(url = "https://datanalytics.com/uploads/datos_treemap.txt",
              destfile = "Datos_Analisis")

# 2. Leer la tabla desde el archivo descargado con encabezados de columna
datos_analisis <- read.table("Datos_Analisis", header = TRUE)

Taller N°9

Grupo 1

6/1/2024

Integrantes :

EJERCICIOS DE EXPORTACIÓN E IMPORTACIÓN DE ARCHIVOS EN R