“Manual para abrir archivos xlsx con openxlsx desde una pagina web”
Martin Rodas Ley
16 de octubre de 2017
Openxlsx para R
Hay muchas soluciones para importar y exportar archivos xlsx desde cualquier página web, para este manual utilizaremos el programa RStudio utilizando la aplicación openxlsx.
Openxlsx es uno de los potentes paquetes de RStudio para leer, escribir y formatear archivos con extensión xlsx. Es una solución basada en java y está disponible para Windows, Mac y Linux, funciona tanto para los formatos de archivo Excel 2007 y Excel 97/2000 / XP / 2003 (formatos de archivo xls y xlsx ).
Desafortunadamente, el paquete openxlsx no está especialmente bien documentado. Este manual es una guía de inicio rápido para manipular archivos con extensión xlsx en RStudio utilizando el paquete openxlsx .
En este Manual, se aprenderá de manera sencilla a utilizar el paquete openxlsx para:1. Leer y escribir archivos con extensión xlsx.
2. Se puede agregar un conjunto de datos e imágenes (o gráficos) en una hoja de cálculo de Excel.
3. Formatee la apariencia de la hoja de cálculo de Excel estableciendo formatos de datos, fuentes, colores y bordes.
Lo primero es instalar el programa R Project, y posteriormente el Programa RStudio los cuales se pueden descargar desde culaquier navegador de internet, lo unico que hay que cuidar al realizar la instalación es verificar el tipo de equipo con que se cuenta ya que ambos paquetes se pueden instalar para Windows, Mac OS X o Linux.
Una ves realizada la descarga de los citados paquetes procedemos a Instalar y cargar el paquete openxlsx.
Para realizar la descarga del paquete openxlsx abrimos nuestro RStudio, una ves abierto nos mostrara la siguiente pantalla:
Imagen de la pantalla de RStudio
Nos posicionamos en la ventana inferior derecha de la pantalla anterior, seleccionamos la pestaña “Packages”, posteriormente en la pestaña “install” y nos desplegara la siguiente pantalla.
Imagen de la pantalla de RStudio
En “Packages(separate multiple wich space or comma):” escribimos lo siguiente: openxlsx y le decimos “Install” y el sistema se encargara de instalarlo al final lo podrán corroborar que openxlsx quedó instalando buscándolo en la pestaña “Packages”, como se puede ver a continuación.
Imagen de la pantalla de RStudio
Hay que tomar en cuenta que los paquetes con extensión xlsx dependen de los paquetes rJava y xlsxjars, en caso de que no se cuente con ellos hay que instalarlos siguiendo el mismo proceso que se hizo para instalar “openxlsx”.
Para que el RStudio pueda leer archivos openxlsx se requiere la instalación de un parche, aunque este parche unicamente se requiere para los que tienen el sistema Windows por lo que hay que instalar el Rtools nada más indentificando la versión de nuestro sistema, mismo que se puede instalar desde la siguiente dirección: https:cran.r-project.org/bin/windows/Rtools/, tal y como se muentra en la siguiente grafica:
Imagen de la pantalla de Rtools
| Comandos | Descripción |
|---|---|
| xlsxFile | Archivo xlsx, objeto Workbook o URL en el archivo xlsx. |
| sheet | El nombre o el índice de la hoja para leer los datos. |
| startRow | Primera fila para comenzar a buscar datos.Las filas vacías en la parte superior de un archivo son siempre omitidas, independientemente del valor de startRow. |
| colNames | Si es “TRUE”, la primera fila de datos se utilizará como nombres de columna. |
| rowNames | Si es “TRUE”, la primera columna de datos se utilizará como nombres de fila. |
| detectDates | Si es “TRUE”, intenta reconocer las fechas y realizar la conversión. |
| skipEmptyRows | Si es “TRUE”, las filas vacías se saltarán, o bien las filas vacías después de la primera fila que contenga los datos devolverán una fila de NAs. |
| skipEmptyCols | Si “TRUE”, se saltan las columnas vacías. |
| rows | Vector numérico que especifica las filas del archivo de Excel para leer. Si NULL, todas se leen. |
| cols | Vector numérico que especifica qué columnas se leen en el archivo de Excel. Si es NULL, se leen todas las columnas. |
| check.names Lógica. | Si TRUE entonces los nombres de las variables en el marco de datos se verifican para asegurarse de que son nombres de variables válidas. |
| namedRegion | Si no es NULL startRow, filas y cols paramters son ignorados. |
| na.strings | Vector de caracteres de cadenas que deben interpretarse como NA. Las celdas en blanco ser devuelto NA. |
| fillMergedCells | Si es TRUE, el valor de una celda fusionada se da a todas las celdas de la fusión. |
library (nombre del programa a utilizar)
Una vez instalado el programa openxlsx en R, se utiliza el comando “library”, para que dicho programa se carge en R.
library(openxlsx)Con esta instrucción R carga el programa openxlsx, y en ese momento se pueden emplear los comando de openXlsx en R.
Help (Ayuda)
El programa openxlsx incluye una forma de ayuda, en la cual se puden consultar algunos comandos básicos de dicho programa, asimismo adiciona algunos documentos en PDF, los cuales incluyen instrucciones para la su instalación y algunos ejemplos para practicar.
help("openxlsx-package")## starting httpd help server ... doneOtra manera de obtener ayuda, para poder tratar de entender openxlsx, es ir a la pestaña de packages de RStudio, buscar el programa y dar click con el cursor sobre el nombre del programa, para que de manera automática despliega hipervínculos, que contienen documentación en PDF y algunos ejemplos, así como algunas páginas de ayuda.
Un ejemplo básico para entender Openxlsx tomado del paquete de Openxlxs
El programa openxlsx se emplea principalmente para generar libros de trabajo o workbook.
La manera más simple para escribir un libro de trabajo es con el comando write.xlsx().
El comando write.xlsx se llama writeData. Si la asTable es cierta (= TRUE) write.xlsx deberá escribir x como una tabla de Excel.
Leer un archivo de Excel.
Las funciones R read.xlsx () y read.xlsx2 () se pueden utilizar para leer el contenido de una hoja de cálculo de Excel en un archivo R data.frame.
La diferencia entre estas dos funciones es que:
. read.xlsx conserva el tipo de datos. Intenta adivinar el tipo de clase de la variable correspondiente a cada columna de la hoja de cálculo. Tenga en cuenta que la función read.xlsx es lenta para conjuntos de datos grandes (hoja de cálculo con más de 100 000 células).
. read.xlsx2 es más rápido en archivos grandes en comparación con la función read.xlsx. Los formatos simplificados de estas dos funciones son:
read.xlsx(file, sheetIndex, header=TRUE, colClasses=NA) read.xlsx2(file, sheetIndex, header=TRUE, colClasses=“character”)
Por lo antes señalado y a fin de poder entender mejor, desarrollaremos el ejemplo que se encuentra en la ayuda de openxlsx.
Hoja de trabajo como una tabla de Excel.
Con este ejemplo comprenderemos la manera de trabajar una hoja de trabajo como una tabla de Excel.
"S1"=iris
"S2"=mtcars
wb<-createWorkbook("PruebaTrabajoFinal1")
addWorksheet(wb,"S1")
addWorksheet(wb, "S2")
addWorksheet(wb, "S3")
writeDataTable(wb, "S1", x=iris)
writeDataTable(wb, "S2", x=mtcars, xy=c("B",3), rowNames = TRUE,tableStyle = "TableStyleLight9")
df<-data.frame("Date"=Sys.Date()-0:19,
"LogicalT"=TRUE,
"Time"=Sys.time()-0:19*60*60,
"Cash"=paste("$",1:20), "Cash2"=31:50,
"hLink"="https://CRAN.R-project.org/",
"Percentage"=seq(0,1,length.out = 20),
"TinyNumbers"=runif(20)/ 1E9, stringAsFactors=FALSE)
class(df$Cash)<-c(class(df$Cash), "currency")
class(df$Cash2)<-c(class(df$Cash2), "accounting")
class(df$hLink)<-c(class(df$hLink), "hyperlink")
class(df$Percentage)<-c(class(df$Percentage), "percentage")
class(df$TinyNumbers)<-c(class(df$TinyNumbers), "scientific")
writeDataTable(wb, "S3", x=df, startRow = 4,rowNames = TRUE, tableStyle = "TableStyleMedium9")
writeDataTable(wb, sheet=1, x=iris,startCol = 7, headerStyle = createStyle(textRotation = 45), withFilter = FALSE)
openXL(wb)
saveWorkbook(wb, "writeDataTebleExample.xlsx", overwrite = TRUE)Directorio de trabajo.
Es importente mencionar, que como dato curioso cuando se escribe el comando write.xlsx (iris) R nos señala que este es un famoso dataset de Fisher y Anderson que proporciona las medidas en centimetros de las variables de la cepa de tres especies de flores Iris, lo cual es bastante sorprendente.
options("openxlsx.borderColour"="#4F80BD")
write.xlsx(iris, file = "writeXLSX1.xlsx", colNames=TRUE, borders="columns")
write.xlsx(iris, file = "writeXLSC2.xlsx", colNames=TRUE, borders="surrounding")
hs<-createStyle(textDecoration = "BOLD", fontColour = "#FFFFFF", fontSize = 12,
fontName = "Arial Narrow",fgFill = "#4F80BD")
write.xlsx(iris,file="writeXLSX3.xlsx", colNames=TRUE, borders="rows", headerStyle=hs)Directorio de trabajo con variables.
#Escribir el directorio de trabajo.
write.xlsx(iris, file = "writeXLSX1.xlsx")
write.xlsx(iris, file= "writeXLSXTable1.xlsx", asTable = FALSE)
#Escribir una lista de data.frames para hojas de trabajo individual.
list("IRIS" = iris)## $IRIS
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5.0 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## 11 5.4 3.7 1.5 0.2 setosa
## 12 4.8 3.4 1.6 0.2 setosa
## 13 4.8 3.0 1.4 0.1 setosa
## 14 4.3 3.0 1.1 0.1 setosa
## 15 5.8 4.0 1.2 0.2 setosa
## 16 5.7 4.4 1.5 0.4 setosa
## 17 5.4 3.9 1.3 0.4 setosa
## 18 5.1 3.5 1.4 0.3 setosa
## 19 5.7 3.8 1.7 0.3 setosa
## 20 5.1 3.8 1.5 0.3 setosa
## 21 5.4 3.4 1.7 0.2 setosa
## 22 5.1 3.7 1.5 0.4 setosa
## 23 4.6 3.6 1.0 0.2 setosa
## 24 5.1 3.3 1.7 0.5 setosa
## 25 4.8 3.4 1.9 0.2 setosa
## 26 5.0 3.0 1.6 0.2 setosa
## 27 5.0 3.4 1.6 0.4 setosa
## 28 5.2 3.5 1.5 0.2 setosa
## 29 5.2 3.4 1.4 0.2 setosa
## 30 4.7 3.2 1.6 0.2 setosa
## 31 4.8 3.1 1.6 0.2 setosa
## 32 5.4 3.4 1.5 0.4 setosa
## 33 5.2 4.1 1.5 0.1 setosa
## 34 5.5 4.2 1.4 0.2 setosa
## 35 4.9 3.1 1.5 0.2 setosa
## 36 5.0 3.2 1.2 0.2 setosa
## 37 5.5 3.5 1.3 0.2 setosa
## 38 4.9 3.6 1.4 0.1 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 40 5.1 3.4 1.5 0.2 setosa
## 41 5.0 3.5 1.3 0.3 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 44 5.0 3.5 1.6 0.6 setosa
## 45 5.1 3.8 1.9 0.4 setosa
## 46 4.8 3.0 1.4 0.3 setosa
## 47 5.1 3.8 1.6 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 49 5.3 3.7 1.5 0.2 setosa
## 50 5.0 3.3 1.4 0.2 setosa
## 51 7.0 3.2 4.7 1.4 versicolor
## 52 6.4 3.2 4.5 1.5 versicolor
## 53 6.9 3.1 4.9 1.5 versicolor
## 54 5.5 2.3 4.0 1.3 versicolor
## 55 6.5 2.8 4.6 1.5 versicolor
## 56 5.7 2.8 4.5 1.3 versicolor
## 57 6.3 3.3 4.7 1.6 versicolor
## 58 4.9 2.4 3.3 1.0 versicolor
## 59 6.6 2.9 4.6 1.3 versicolor
## 60 5.2 2.7 3.9 1.4 versicolor
## 61 5.0 2.0 3.5 1.0 versicolor
## 62 5.9 3.0 4.2 1.5 versicolor
## 63 6.0 2.2 4.0 1.0 versicolor
## 64 6.1 2.9 4.7 1.4 versicolor
## 65 5.6 2.9 3.6 1.3 versicolor
## 66 6.7 3.1 4.4 1.4 versicolor
## 67 5.6 3.0 4.5 1.5 versicolor
## 68 5.8 2.7 4.1 1.0 versicolor
## 69 6.2 2.2 4.5 1.5 versicolor
## 70 5.6 2.5 3.9 1.1 versicolor
## 71 5.9 3.2 4.8 1.8 versicolor
## 72 6.1 2.8 4.0 1.3 versicolor
## 73 6.3 2.5 4.9 1.5 versicolor
## 74 6.1 2.8 4.7 1.2 versicolor
## 75 6.4 2.9 4.3 1.3 versicolor
## 76 6.6 3.0 4.4 1.4 versicolor
## 77 6.8 2.8 4.8 1.4 versicolor
## 78 6.7 3.0 5.0 1.7 versicolor
## 79 6.0 2.9 4.5 1.5 versicolor
## 80 5.7 2.6 3.5 1.0 versicolor
## 81 5.5 2.4 3.8 1.1 versicolor
## 82 5.5 2.4 3.7 1.0 versicolor
## 83 5.8 2.7 3.9 1.2 versicolor
## 84 6.0 2.7 5.1 1.6 versicolor
## 85 5.4 3.0 4.5 1.5 versicolor
## 86 6.0 3.4 4.5 1.6 versicolor
## 87 6.7 3.1 4.7 1.5 versicolor
## 88 6.3 2.3 4.4 1.3 versicolor
## 89 5.6 3.0 4.1 1.3 versicolor
## 90 5.5 2.5 4.0 1.3 versicolor
## 91 5.5 2.6 4.4 1.2 versicolor
## 92 6.1 3.0 4.6 1.4 versicolor
## 93 5.8 2.6 4.0 1.2 versicolor
## 94 5.0 2.3 3.3 1.0 versicolor
## 95 5.6 2.7 4.2 1.3 versicolor
## 96 5.7 3.0 4.2 1.2 versicolor
## 97 5.7 2.9 4.2 1.3 versicolor
## 98 6.2 2.9 4.3 1.3 versicolor
## 99 5.1 2.5 3.0 1.1 versicolor
## 100 5.7 2.8 4.1 1.3 versicolor
## 101 6.3 3.3 6.0 2.5 virginica
## 102 5.8 2.7 5.1 1.9 virginica
## 103 7.1 3.0 5.9 2.1 virginica
## 104 6.3 2.9 5.6 1.8 virginica
## 105 6.5 3.0 5.8 2.2 virginica
## 106 7.6 3.0 6.6 2.1 virginica
## 107 4.9 2.5 4.5 1.7 virginica
## 108 7.3 2.9 6.3 1.8 virginica
## 109 6.7 2.5 5.8 1.8 virginica
## 110 7.2 3.6 6.1 2.5 virginica
## 111 6.5 3.2 5.1 2.0 virginica
## 112 6.4 2.7 5.3 1.9 virginica
## 113 6.8 3.0 5.5 2.1 virginica
## 114 5.7 2.5 5.0 2.0 virginica
## 115 5.8 2.8 5.1 2.4 virginica
## 116 6.4 3.2 5.3 2.3 virginica
## 117 6.5 3.0 5.5 1.8 virginica
## 118 7.7 3.8 6.7 2.2 virginica
## 119 7.7 2.6 6.9 2.3 virginica
## 120 6.0 2.2 5.0 1.5 virginica
## 121 6.9 3.2 5.7 2.3 virginica
## 122 5.6 2.8 4.9 2.0 virginica
## 123 7.7 2.8 6.7 2.0 virginica
## 124 6.3 2.7 4.9 1.8 virginica
## 125 6.7 3.3 5.7 2.1 virginica
## 126 7.2 3.2 6.0 1.8 virginica
## 127 6.2 2.8 4.8 1.8 virginica
## 128 6.1 3.0 4.9 1.8 virginica
## 129 6.4 2.8 5.6 2.1 virginica
## 130 7.2 3.0 5.8 1.6 virginica
## 131 7.4 2.8 6.1 1.9 virginica
## 132 7.9 3.8 6.4 2.0 virginica
## 133 6.4 2.8 5.6 2.2 virginica
## 134 6.3 2.8 5.1 1.5 virginica
## 135 6.1 2.6 5.6 1.4 virginica
## 136 7.7 3.0 6.1 2.3 virginica
## 137 6.3 3.4 5.6 2.4 virginica
## 138 6.4 3.1 5.5 1.8 virginica
## 139 6.0 3.0 4.8 1.8 virginica
## 140 6.9 3.1 5.4 2.1 virginica
## 141 6.7 3.1 5.6 2.4 virginica
## 142 6.9 3.1 5.1 2.3 virginica
## 143 5.8 2.7 5.1 1.9 virginica
## 144 6.8 3.2 5.9 2.3 virginica
## 145 6.7 3.3 5.7 2.5 virginica
## 146 6.7 3.0 5.2 2.3 virginica
## 147 6.3 2.5 5.0 1.9 virginica
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginicawrite.xlsx(iris, file = "writeXLXS2.xlsx")
write.xlsx(iris, file = "writeXLSX2Table2.xlsx", asTable = FALSE)
options("openxlsx.borderColour"="#4F80BD")
options("openxlsx.borderStyle"="thin")
options("openxlsx.dateFormat"="mm/dd/yyyy")
options("openxlsx.datetimeFormat"="yyyy-mm-dd hh:mm:ss")
options("openxlsx.numFmt"=NULL)
df<-data.frame("Date"=Sys.Date()-0:19,
"LogicalT"=TRUE,
"Time"=Sys.time()-0:19*60*60,
"Cash"=paste("$",1:20), "Cash2"=31:50,
"hLink"="https://CRAN.R-project.org/",
"Percentage"=seq(0,1,length.out = 20),
"TinyNumbers"=runif(20)/ 1E9, stringAsFactors=FALSE)
class(df$Cash)<-c(class(df$Cash), "currency")
class(df$Cash2)<-c(class(df$Cash2), "accounting")
class(df$hLink)<-c(class(df$hLink), "hyperlink")
class(df$Percentage)<-c(class(df$Percentage), "percentage")
class(df$TinyNumbers)<-c(class(df$TinyNumbers), "scientific")
write.xlsx(df, "writeXLSX3.xlsx")
write.xlsx(df, file = "writeXLSX3Table3.xlsx", asTable = FALSE)
#Se puede agregar estilo adicional.
hs<-createStyle(fontColour = "#ffffff", fgFill = "#4F80BD",
halign = "center", valign = "center", textDecoration = "Bold",
border = "TopBottomLeftRight", textRotation = 45)
write.xlsx(iris,file = "writeXLSX4.xlsx", borders="rows",headerStyle=hs)
write.xlsx(iris,file = "writeXLSX5.xlsx", borders="columns", headerStyle=hs)
write.xlsx(iris, "writeXLSXTable4.xlsx", asTable = FALSE)
headerStyle= createStyle(textRotation = 45)
#Cuando escribes una lista, el estilo aplica a todos los elementos de la misma.
list("IRIS"=iris, "colClasses"=df)## $IRIS
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa
## 7 4.6 3.4 1.4 0.3 setosa
## 8 5.0 3.4 1.5 0.2 setosa
## 9 4.4 2.9 1.4 0.2 setosa
## 10 4.9 3.1 1.5 0.1 setosa
## 11 5.4 3.7 1.5 0.2 setosa
## 12 4.8 3.4 1.6 0.2 setosa
## 13 4.8 3.0 1.4 0.1 setosa
## 14 4.3 3.0 1.1 0.1 setosa
## 15 5.8 4.0 1.2 0.2 setosa
## 16 5.7 4.4 1.5 0.4 setosa
## 17 5.4 3.9 1.3 0.4 setosa
## 18 5.1 3.5 1.4 0.3 setosa
## 19 5.7 3.8 1.7 0.3 setosa
## 20 5.1 3.8 1.5 0.3 setosa
## 21 5.4 3.4 1.7 0.2 setosa
## 22 5.1 3.7 1.5 0.4 setosa
## 23 4.6 3.6 1.0 0.2 setosa
## 24 5.1 3.3 1.7 0.5 setosa
## 25 4.8 3.4 1.9 0.2 setosa
## 26 5.0 3.0 1.6 0.2 setosa
## 27 5.0 3.4 1.6 0.4 setosa
## 28 5.2 3.5 1.5 0.2 setosa
## 29 5.2 3.4 1.4 0.2 setosa
## 30 4.7 3.2 1.6 0.2 setosa
## 31 4.8 3.1 1.6 0.2 setosa
## 32 5.4 3.4 1.5 0.4 setosa
## 33 5.2 4.1 1.5 0.1 setosa
## 34 5.5 4.2 1.4 0.2 setosa
## 35 4.9 3.1 1.5 0.2 setosa
## 36 5.0 3.2 1.2 0.2 setosa
## 37 5.5 3.5 1.3 0.2 setosa
## 38 4.9 3.6 1.4 0.1 setosa
## 39 4.4 3.0 1.3 0.2 setosa
## 40 5.1 3.4 1.5 0.2 setosa
## 41 5.0 3.5 1.3 0.3 setosa
## 42 4.5 2.3 1.3 0.3 setosa
## 43 4.4 3.2 1.3 0.2 setosa
## 44 5.0 3.5 1.6 0.6 setosa
## 45 5.1 3.8 1.9 0.4 setosa
## 46 4.8 3.0 1.4 0.3 setosa
## 47 5.1 3.8 1.6 0.2 setosa
## 48 4.6 3.2 1.4 0.2 setosa
## 49 5.3 3.7 1.5 0.2 setosa
## 50 5.0 3.3 1.4 0.2 setosa
## 51 7.0 3.2 4.7 1.4 versicolor
## 52 6.4 3.2 4.5 1.5 versicolor
## 53 6.9 3.1 4.9 1.5 versicolor
## 54 5.5 2.3 4.0 1.3 versicolor
## 55 6.5 2.8 4.6 1.5 versicolor
## 56 5.7 2.8 4.5 1.3 versicolor
## 57 6.3 3.3 4.7 1.6 versicolor
## 58 4.9 2.4 3.3 1.0 versicolor
## 59 6.6 2.9 4.6 1.3 versicolor
## 60 5.2 2.7 3.9 1.4 versicolor
## 61 5.0 2.0 3.5 1.0 versicolor
## 62 5.9 3.0 4.2 1.5 versicolor
## 63 6.0 2.2 4.0 1.0 versicolor
## 64 6.1 2.9 4.7 1.4 versicolor
## 65 5.6 2.9 3.6 1.3 versicolor
## 66 6.7 3.1 4.4 1.4 versicolor
## 67 5.6 3.0 4.5 1.5 versicolor
## 68 5.8 2.7 4.1 1.0 versicolor
## 69 6.2 2.2 4.5 1.5 versicolor
## 70 5.6 2.5 3.9 1.1 versicolor
## 71 5.9 3.2 4.8 1.8 versicolor
## 72 6.1 2.8 4.0 1.3 versicolor
## 73 6.3 2.5 4.9 1.5 versicolor
## 74 6.1 2.8 4.7 1.2 versicolor
## 75 6.4 2.9 4.3 1.3 versicolor
## 76 6.6 3.0 4.4 1.4 versicolor
## 77 6.8 2.8 4.8 1.4 versicolor
## 78 6.7 3.0 5.0 1.7 versicolor
## 79 6.0 2.9 4.5 1.5 versicolor
## 80 5.7 2.6 3.5 1.0 versicolor
## 81 5.5 2.4 3.8 1.1 versicolor
## 82 5.5 2.4 3.7 1.0 versicolor
## 83 5.8 2.7 3.9 1.2 versicolor
## 84 6.0 2.7 5.1 1.6 versicolor
## 85 5.4 3.0 4.5 1.5 versicolor
## 86 6.0 3.4 4.5 1.6 versicolor
## 87 6.7 3.1 4.7 1.5 versicolor
## 88 6.3 2.3 4.4 1.3 versicolor
## 89 5.6 3.0 4.1 1.3 versicolor
## 90 5.5 2.5 4.0 1.3 versicolor
## 91 5.5 2.6 4.4 1.2 versicolor
## 92 6.1 3.0 4.6 1.4 versicolor
## 93 5.8 2.6 4.0 1.2 versicolor
## 94 5.0 2.3 3.3 1.0 versicolor
## 95 5.6 2.7 4.2 1.3 versicolor
## 96 5.7 3.0 4.2 1.2 versicolor
## 97 5.7 2.9 4.2 1.3 versicolor
## 98 6.2 2.9 4.3 1.3 versicolor
## 99 5.1 2.5 3.0 1.1 versicolor
## 100 5.7 2.8 4.1 1.3 versicolor
## 101 6.3 3.3 6.0 2.5 virginica
## 102 5.8 2.7 5.1 1.9 virginica
## 103 7.1 3.0 5.9 2.1 virginica
## 104 6.3 2.9 5.6 1.8 virginica
## 105 6.5 3.0 5.8 2.2 virginica
## 106 7.6 3.0 6.6 2.1 virginica
## 107 4.9 2.5 4.5 1.7 virginica
## 108 7.3 2.9 6.3 1.8 virginica
## 109 6.7 2.5 5.8 1.8 virginica
## 110 7.2 3.6 6.1 2.5 virginica
## 111 6.5 3.2 5.1 2.0 virginica
## 112 6.4 2.7 5.3 1.9 virginica
## 113 6.8 3.0 5.5 2.1 virginica
## 114 5.7 2.5 5.0 2.0 virginica
## 115 5.8 2.8 5.1 2.4 virginica
## 116 6.4 3.2 5.3 2.3 virginica
## 117 6.5 3.0 5.5 1.8 virginica
## 118 7.7 3.8 6.7 2.2 virginica
## 119 7.7 2.6 6.9 2.3 virginica
## 120 6.0 2.2 5.0 1.5 virginica
## 121 6.9 3.2 5.7 2.3 virginica
## 122 5.6 2.8 4.9 2.0 virginica
## 123 7.7 2.8 6.7 2.0 virginica
## 124 6.3 2.7 4.9 1.8 virginica
## 125 6.7 3.3 5.7 2.1 virginica
## 126 7.2 3.2 6.0 1.8 virginica
## 127 6.2 2.8 4.8 1.8 virginica
## 128 6.1 3.0 4.9 1.8 virginica
## 129 6.4 2.8 5.6 2.1 virginica
## 130 7.2 3.0 5.8 1.6 virginica
## 131 7.4 2.8 6.1 1.9 virginica
## 132 7.9 3.8 6.4 2.0 virginica
## 133 6.4 2.8 5.6 2.2 virginica
## 134 6.3 2.8 5.1 1.5 virginica
## 135 6.1 2.6 5.6 1.4 virginica
## 136 7.7 3.0 6.1 2.3 virginica
## 137 6.3 3.4 5.6 2.4 virginica
## 138 6.4 3.1 5.5 1.8 virginica
## 139 6.0 3.0 4.8 1.8 virginica
## 140 6.9 3.1 5.4 2.1 virginica
## 141 6.7 3.1 5.6 2.4 virginica
## 142 6.9 3.1 5.1 2.3 virginica
## 143 5.8 2.7 5.1 1.9 virginica
## 144 6.8 3.2 5.9 2.3 virginica
## 145 6.7 3.3 5.7 2.5 virginica
## 146 6.7 3.0 5.2 2.3 virginica
## 147 6.3 2.5 5.0 1.9 virginica
## 148 6.5 3.0 5.2 2.0 virginica
## 149 6.2 3.4 5.4 2.3 virginica
## 150 5.9 3.0 5.1 1.8 virginica
##
## $colClasses
## Date LogicalT Time Cash Cash2
## 1 2017-10-17 TRUE 2017-10-17 14:49:46 $ 1 31
## 2 2017-10-16 TRUE 2017-10-17 13:49:46 $ 2 32
## 3 2017-10-15 TRUE 2017-10-17 12:49:46 $ 3 33
## 4 2017-10-14 TRUE 2017-10-17 11:49:46 $ 4 34
## 5 2017-10-13 TRUE 2017-10-17 10:49:46 $ 5 35
## 6 2017-10-12 TRUE 2017-10-17 09:49:46 $ 6 36
## 7 2017-10-11 TRUE 2017-10-17 08:49:46 $ 7 37
## 8 2017-10-10 TRUE 2017-10-17 07:49:46 $ 8 38
## 9 2017-10-09 TRUE 2017-10-17 06:49:46 $ 9 39
## 10 2017-10-08 TRUE 2017-10-17 05:49:46 $ 10 40
## 11 2017-10-07 TRUE 2017-10-17 04:49:46 $ 11 41
## 12 2017-10-06 TRUE 2017-10-17 03:49:46 $ 12 42
## 13 2017-10-05 TRUE 2017-10-17 02:49:46 $ 13 43
## 14 2017-10-04 TRUE 2017-10-17 01:49:46 $ 14 44
## 15 2017-10-03 TRUE 2017-10-17 00:49:46 $ 15 45
## 16 2017-10-02 TRUE 2017-10-16 23:49:46 $ 16 46
## 17 2017-10-01 TRUE 2017-10-16 22:49:46 $ 17 47
## 18 2017-09-30 TRUE 2017-10-16 21:49:46 $ 18 48
## 19 2017-09-29 TRUE 2017-10-16 20:49:46 $ 19 49
## 20 2017-09-28 TRUE 2017-10-16 19:49:46 $ 20 50
## hLink Percentage TinyNumbers stringAsFactors
## 1 https://CRAN.R-project.org/ 0.00000000 9.560168e-10 FALSE
## 2 https://CRAN.R-project.org/ 0.05263158 6.624171e-10 FALSE
## 3 https://CRAN.R-project.org/ 0.10526316 7.589558e-10 FALSE
## 4 https://CRAN.R-project.org/ 0.15789474 4.225474e-11 FALSE
## 5 https://CRAN.R-project.org/ 0.21052632 6.398349e-11 FALSE
## 6 https://CRAN.R-project.org/ 0.26315789 5.097978e-10 FALSE
## 7 https://CRAN.R-project.org/ 0.31578947 6.084170e-10 FALSE
## 8 https://CRAN.R-project.org/ 0.36842105 9.690953e-10 FALSE
## 9 https://CRAN.R-project.org/ 0.42105263 6.110265e-10 FALSE
## 10 https://CRAN.R-project.org/ 0.47368421 6.413590e-10 FALSE
## 11 https://CRAN.R-project.org/ 0.52631579 4.171880e-11 FALSE
## 12 https://CRAN.R-project.org/ 0.57894737 1.976584e-10 FALSE
## 13 https://CRAN.R-project.org/ 0.63157895 7.030554e-10 FALSE
## 14 https://CRAN.R-project.org/ 0.68421053 5.739399e-10 FALSE
## 15 https://CRAN.R-project.org/ 0.73684211 7.596426e-10 FALSE
## 16 https://CRAN.R-project.org/ 0.78947368 5.951817e-10 FALSE
## 17 https://CRAN.R-project.org/ 0.84210526 6.815137e-10 FALSE
## 18 https://CRAN.R-project.org/ 0.89473684 2.476649e-10 FALSE
## 19 https://CRAN.R-project.org/ 0.94736842 6.775610e-10 FALSE
## 20 https://CRAN.R-project.org/ 1.00000000 6.715307e-10 FALSEwrite.xlsx(iris,file = "writeXLSX6.xlsx", borders="columns",headerStyle=hs)
write.xlsx(iris,file = "writeXLSXTable6.xlsx", asTable = FALSE, tableStyle="TableStyleMedium9")
openXL(wb)
wb<-write.xlsx(iris,"writeXLSX6.xlsx")
setColWidths(wb,sheet = 1, cols = 1:5, widths = 20)
saveWorkbook(wb, "writeXLSX6.xlsx", overwrite = TRUE)Otro ejemplo pero ahora desde un libro de trabajo básico.
Para este ejemplo necesitaremos utilizar el paquete ggplot2, para poder graficar los datos utilizados, para lo cual empelamos el comando library (nombre del programa), con la finalidad de que el paquete ggplot2 se cargue en R y podamos hacer uso de sus comando para elaborar la grafica correspondiente.
library(ggplot2)
#Estableciendo el color de los bordes y el estilo.
wb<-createWorkbook()
options("openxlsx.borderColour"="#4F80BD")
options("openxlsc.borderStyle"="thin")
modifyBaseFont(wb, fontSize = 10, fontName = "Arial Narrow")
addWorksheet(wb, sheetName = "Motor Trend Car Road Test", gridLines = FALSE)
addWorksheet(wb, sheetName = "Iris", gridLines = FALSE)
#Hoja 1
freezePane(wb, sheet = 1, firstRow = TRUE, firstCol = TRUE) ## freeze first row and column
writeDataTable(wb,sheet = 1,x=mtcars, colNames = TRUE, rowNames = TRUE)
setColWidths(wb,sheet = 1, cols = "A", widths = 18)
writeDataTable(wb,sheet = 2,iris,startCol = "L",startRow = 2)
qplot(data = iris,x=Sepal.Length,y=Sepal.Width,colour=Species)
insertPlot(wb,2,xy=c("B",16))
means<-aggregate(x=iris [,-5],by=list(iris$Species), FUN=mean)
vars<-aggregate(x=iris[,-5],by=list(iris$Species),FUN=var)
openXL(wb)
saveWorkbook(wb,"basics.xlsx", overwrite = TRUE)Media, desviación estandar, y correlación
Con los datos de nuestro ejemplo, podemos utilizarlos para obtener la media, desviación estandar y la correlación.
attach(iris)
# Statistics for the four datasets:
mean(Sepal.Length); mean(Sepal.Width); mean(Petal.Length); mean(Petal.Width)## [1] 5.843333## [1] 3.057333## [1] 3.758## [1] 1.199333sd(Sepal.Length); sd(Sepal.Width);sd(Petal.Length);sd(Petal.Width)## [1] 0.8280661## [1] 0.4358663## [1] 1.765298## [1] 0.7622377cor(Sepal.Length,Sepal.Width);cor(Petal.Length,Petal.Width)## [1] -0.1175698## [1] 0.9628654medias<-c(mean(Sepal.Length), mean(Petal.Length))Leer un documento de Excel.
Con el programa openlxsx se pueden leer documentos de Excel y convertirlos en un data.frame.
xlsxFile<-system.file("readTest.xlsx", package = "openxlsx")
df1<-read.xlsx(xlsxFile = xlsxFile, sheet = 1,skipEmptyRows = FALSE)
sapply(df1,class)## Var1 Var2 Var3 Var4 Var5 Var6
## "logical" "numeric" "numeric" "character" "numeric" "character"
## Var7
## "numeric"df2<-read.xlsx(xlsxFile = xlsxFile, sheet = 3, skipEmptyRows = TRUE)
df2$Date<-convertToDate(df2$Date)
sapply(df2,class)## Date value word bool wordZ2
## "Date" "numeric" "character" "logical" "character"df2<-read.xlsx(xlsxFile = xlsxFile,sheet = 3,skipEmptyRows = TRUE,
detectDates = TRUE)
sapply(df2,class)## Date value word bool wordZ2
## "Date" "numeric" "character" "logical" "character"head(df2)## Date value word bool wordZ2
## 1 2014-04-28 0.8390764 N-U-B-R-A FALSE FALSE-Z
## 2 2014-04-27 0.8863800 N-Z-P-S-Y TRUE TRUE-Z
## 3 2014-04-26 0.5741314 C-G-D-X-H TRUE TRUE-Z
## 4 2014-04-25 0.1366065 <NA> FALSE FALSE-Z
## 5 2014-04-24 0.3692582 B-K-A-O-W TRUE TRUE-Z
## 6 2014-04-23 NA H-P-G-O-K TRUE TRUE-Zwb<-loadWorkbook(system.file("readTest.xlsx", package = "openxlsx"))
df3<-read.xlsx(wb,sheet = 2,skipEmptyRows = FALSE,colNames = TRUE)
df4<-read.xlsx(xlsxFile,sheet=2,skipEmptyRows = FALSE,colNames = TRUE)
all.equal(df3,df4)## [1] TRUEwb<-loadWorkbook(system.file("readTest.xlsx",package = "openxlsx"))
df3<-read.xlsx(wb,sheet = 2,skipEmptyRows = FALSE,
cols = c(1,4), rows = c(1,3,4))
openXL(wb)
saveWorkbook(wb, "readTest.xlsx", overwrite = TRUE)Como traer un documento de Excel desde una URL.
Con este ejemplo se logra traer un documento de Excel desde una URL, para poder trabajarlo con los comandos del programa openxlsx.xlsxFile<- "https://github.com/awalker89/openxlsx/raw/master/inst/readTest.xlsx"
head(read.xlsx(xlsxFile))## Var1 Var2 Var3 Var4 Var5 Var6 Var7
## 1 TRUE 1 1.00 a 42042 3209324 This NA
## 2 TRUE NA NA b 42041 <NA> NA
## 3 TRUE 2 1.34 c 42040 <NA> NA
## 4 FALSE 2 NA <NA> NA <NA> NA
## 5 FALSE 3 1.56 e NA <NA> NA
## 6 FALSE 1 1.70 f 42037 <NA> NAxlsxFile<-system.file("readTest.xlsx", package = "openxlsx")
df1<-read.xlsx(xlsxFile = "readTest.xlsx", sheet = 1,skipEmptyRows = FALSE)
sapply(df1,class)## Var1 Var2 Var3 Var4 Var5 Var6
## "logical" "numeric" "numeric" "character" "numeric" "character"
## Var7
## "numeric"df2<-read.xlsx(xlsxFile = xlsxFile, sheet = 3, skipEmptyRows = TRUE)
df2$Date<-convertToDate(df2$Date)
sapply(df2,class)## Date value word bool wordZ2
## "Date" "numeric" "character" "logical" "character"df2<-read.xlsx(xlsxFile = xlsxFile,sheet = 3,skipEmptyRows = TRUE,
detectDates = TRUE)
sapply(df2,class)## Date value word bool wordZ2
## "Date" "numeric" "character" "logical" "character"head(df2)## Date value word bool wordZ2
## 1 2014-04-28 0.8390764 N-U-B-R-A FALSE FALSE-Z
## 2 2014-04-27 0.8863800 N-Z-P-S-Y TRUE TRUE-Z
## 3 2014-04-26 0.5741314 C-G-D-X-H TRUE TRUE-Z
## 4 2014-04-25 0.1366065 <NA> FALSE FALSE-Z
## 5 2014-04-24 0.3692582 B-K-A-O-W TRUE TRUE-Z
## 6 2014-04-23 NA H-P-G-O-K TRUE TRUE-Zwb<-loadWorkbook(system.file("readTest.xlsx", package = "openxlsx"))
df3<-read.xlsx(wb,sheet = 2,skipEmptyRows = FALSE,colNames = TRUE)
df4<-read.xlsx(xlsxFile,sheet=2,skipEmptyRows = FALSE,colNames = TRUE)
all.equal(df3,df4)## [1] TRUEwb<-loadWorkbook(system.file("readTest.xlsx",package = "openxlsx"))
df3<-read.xlsx(wb,sheet = 2,skipEmptyRows = FALSE,
cols = c(1,4), rows = c(1,3,4))
openXL(wb)
saveWorkbook(wb, "readTest.xlsx2", overwrite = TRUE)Los elementos de las listas se escriben en hojas de trabajo individuales, usando nombres de listas como nombres de hojas si están disponibles
l <- list(“IRIS” = iris, “MTCATS” = mtcars, matrix(runif(1000), ncol = 5)) write.xlsx(l, “writeList1.xlsx”, colWidths = c(NA, “auto”, “auto”))
A cada hojas se les pueden dar diferentes parámetros.
write.xlsx(l, “writeList2.xlsx”, startCol = c(1,2,3), startRow = 2, asTable = c(TRUE, TRUE, FALSE), withFilter = c(TRUE, FALSE, FALSE)) ``` Con el openxlsx también se puede llamar y eliminar una tabla de Excel en un libro de trabajo.
| Comandos | Descripción |
|---|---|
| wb | Un objeto de libro de trabajo. |
| sheet | Un nombre o índice de una hoja de cálculo. |
| table | Nombre de la tabla para eliminar. |
wb <- createWorkbook()
addWorksheet(wb, sheetName = "Sheet 1")
addWorksheet(wb, sheetName = "Sheet 2")
writeDataTable(wb, sheet = "Sheet 1", x = iris, tableName = "iris")
writeDataTable(wb, sheet = 1, x = mtcars, tableName = "mtcars", startCol = 10)
removeWorksheet(wb, sheet = 1) ## delete worksheet removes table objects
writeDataTable(wb, sheet = 1, x = iris, tableName = "iris")
writeDataTable(wb, sheet = 1, x = mtcars, tableName = "mtcars", startCol = 10)
## removeTable() deletes table object and all data
getTables(wb, sheet = 1)## [1] "iris" "mtcars"
## attr(,"refs")
## [1] "A1:E151" "J1:T33"removeTable(wb = wb, sheet = 1, table = "iris")
writeDataTable(wb, sheet = 1, x = iris, tableName = "iris", startCol = 1)
getTables(wb, sheet = 1)## [1] "mtcars" "iris"
## attr(,"refs")
## [1] "J1:T33" "A1:E151"removeTable(wb = wb, sheet = 1, table = "iris")
writeDataTable(wb, sheet = 1, x = iris, tableName = "iris", startCol = 1)
saveWorkbook(wb = wb, file = "removeTableExample.xlsx", overwrite = TRUE)Bibliografía
1. R para Principiantes Emmanuel Paradis
2. Introduction Alexander Walker Installatión Wich Rtools
3. Rmarkdown - RStudio en la siguiente liga: https://www.google.com.mx/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja&uact=8&ved=0ahUKEwjY1P_FmPbWAhVCLyYKHfzaDakQFgg0MAI&url=https%3A%2F%2Fwww.rstudio.com%2Fwp-content%2Fuploads%2F2015%2F03%2Frmarkdown-spanish.pdf&usg=AOvVaw26Z8WmxnkbU5cKg3iN82oM.
*4. Introduccion a RMarkdown en la siguiente liga: https://programminghistorian.org/es/lecciones/introduccion-a-markdown*