Essa é uma revisão anterior do documento!
Entrada de dados por aquivos
O R importa dados de arquivos de diferentes formatos.
O mais comum e possivelmente mais geral é a importação de arquivos em formato texto, tipicamente com extensões txt
, csv
usando as funções read.table()
, read.csv()
e read.csv2()
.
Muitos outros formatos são possíveis, incluindo os de outros programas estatísticos. Há funções específicas para cada um deles.
Importação de planilhas
É comum encontrar dados no formatos de planilhas do MS-Excel. Há várias alternativas para ler estas planilhas e listamos algumas a seguir.
- 1) Exportar os dados no excel para o formato texto (txt ou csv) e importar no R conforme mencionado anteriormente
- 2) Usar funções de pacotes especialistas do R para importar/exportar/manipilar arquivos excel. Alguns deles:
xlsReadWrite
(apenas no Windows)xlsx
gdata
XLConnect
RExcelInstaller
(apenas no Windows)
- 3) Driver genéricos
RODBC
Exemplo fornecido pelo Roberto
## preparando a internet para uso no MCT setInternet2() ## instalando pacote install.packages("XLConnect", dep=T) ## definindo uma função para facilitar importação ReadExcel <- function (FileName) { require(XLConnect) wb <- loadWorkbook(FileName) data <- readWorksheet(wb, sheet = 1) return(data) } ## lendo dados <- ReadExcel("COLOQUE_AQUI_O_NOME_DO_SEU_ARQUIVO")
Dados de largura fixa
Considere que temos um arquivo de dados exFWF.txt
com o seguinte conteúdo.
Considere ainda que estes dados se reverem a 4 variáveis, sendo que os 2 primeiros campos da primeira,
depois 3 da segunda, 6 de terceira e 2 da quarta.
1200512345627 1100227372912 1000312034115 0900414732112
Lendo as dados com colunas de tamanho definido
foo <- read.fwf("exFWF.txt", wid=c(2,3,6,2)) foo
É possível excluir um conjunto de caracteres (uma ou mais variáveis), usando índices negativos.
Isto permite selecionar somente o que se quer ler.
read.fwf("exFWF.txt", wid=c(2,-3,6,2))
Agora vamos supor que temos uma variável (como caracter) com a especificação da composição das colunas.
Supondo que a terceira variável tem duas casas decimal e a quarta tem uma e a variável seria da forma:
DEC <- c("2", "3", "4,2", "1,1")
Vamos ilustrar o uso da linguagem com alguns elementos usados para ler e preparar os dados.
## achando o total de caracteres de cada campo foo1 <- strsplit(DEC, split=",") foo1 foo2 <- sapply(foo1, function(x) sum(as.numeric(x))) foo2 read.fwf("exFWF.txt", wid=foo2)
Agora preparando os campos decimais.
foo3 <- sapply(foo1, function(x) as.numeric(x[2])) foo3 COLS <- !is.na(foo3) COLS sweep(data.matrix(foo[,COLS]), 2, 10^foo3[COLS], FUN="/") foo[,COLS] <- sweep(data.matrix(foo[,COLS]), 2, 10^foo3[COLS], FUN="/") foo
Limpeza…
rm(foo, DEC, foo1, foo2, foo3)
Agora vamos montar uma função que concatena os comandos acima para facilitar a leitura de arquivos deste tipo sempre que preciso.
read.meudado <- function(file, formato, ...){ lformato <- strsplit(formato, split=",") ncampos <- sapply(lformato, function(x) sum(as.numeric(x))) arq <- read.fwf(file, width=ncampos, ...) decimais <- sapply(lformato, function(x) as.numeric(x[2])) COLS <- !is.na(decimais) arq[,COLS] <- sweep(data.matrix(arq[,COLS, drop=F]), 2, 10^decimais[COLS], FUN="/") return(arq) } read.meudado("exFWF.txt", formato = DEC)
Outro exemplo, os dados abaixo no arquivo exFWF-2.txt
, com campos alfanuméricos no arquivo.
12005AA12345627 11002BB27372912 10003BB12034115 09004CC14732112
read.fwf("exFWF-2.txt", wid=c(2,3,2,6,2)) DEC1 <- c("2", "3", "2", "4,2", "1,1") read.meudado("exFWF-2.txt", formato = DEC1)
Outro exemplo, os dados abaixo no arquivo exFWF-3.txt
, com campos alfanuméricos no arquivo e linhas a serem ignoradas.
Dados no formato FWF Exemplo do curso 12005AA12345627 11002BB27372912 10003BB12034115 09004CC14732112
Lendo com a função, note o uso do mecanismo de . . .
para passar argumentos para read.fwf()
read.meudado("exFWF-3.txt", formato = DEC1, skip=2)
Um pequeno exemplo de análises automáticas
Suponha que voce tem um diretório (pasta) com alguns arquivos que devem ser lidos e processados por análises
Vamos supor aqui o diretório Regina
com arquivos com o seguinte conteúdo que supomos ser o mês e a despesa:
dir.create("Regina") cat( "12 23,10 \n", "12 20,70 \n", "10 12,10 \n", "10 8,13 \n", file = "Regina/arq1.txt") cat( "09 33,10 \n", "09 50,70 \n", "10 22,10 \n", "10 18,13 \n", file = "Regina/arq2.txt")
Para cada um dos arquivos queremos:
(i) ler os dados, (ii) calcular a despesa total por mês, (iii) colocar os resultados em uma página html
.
arquivos <- dir("Regina", full.names=T) arquivos names(arquivos) <- c("MCT", "MEC") arquivos resumo1 <- function(x){ gastos <- read.table(x, dec=",", head=F) names(gastos) <- c("Mes", "Despesa") totM <- aggregate(Despesa ~ Mes, FUN = sum, data=gastos) return(totM) } res <- lapply(arquivos, resumo1) res require(R2HTML) saida <- HTMLInitFile("./",filename="regina", BackGroundColor="#BBBBEE") HTML.title("Exemplo simples de automatizacao de analise", file=saida) HTML("<br>Use um arquivo CSS para configurar a pagina!!!",file=saida) lapply(res, HTML, file=saida) HTMLEndFile()