EXCEL

read_excel("ruta", sheet = 2)

sheet <- Nombre o Número de la hoja.
n_max <- Número amximo de renglones a leer.
na <- Formas alternativas a los NA
range <- Rango de deldas(“nombreHoja!B2:G14)
col_names <- Nombres posibles para las columnas
col_types <- Tipo de variables en las columnas
reim_ws <- Se deben recortar los espacios en blanco iniciales y finales.
skip <- Número mínimo de filas que se deben omitir antes de leer algo.

Ejemplo

library(readxl)
library(kableExtra)

dataset <- read_excel("../Bases de datos/Base salarios.xls", sheet = 2)
kable(head(dataset), "markdown")

ID empleado	Apellido	Nombre	Seccional	Facultad	Cargo	Salario	Fch comienzo	Fch nacimiento
1968	Burgos	Jeronimo	Palmira	Administración	Administrativo	10661-04-19	1982-04-05	1951-09-28
1674	Villegas	Estefania	Palmira	Administración	Docente	10661-04-19	1992-03-25	1964-01-17
1516	Fernandez	Guillermo	Palmira	Administración	Docente	14220-07-30	1985-03-06	1963-06-26
1330	Ramirez	Eliana	Palmira	Administración	Docente	10661-04-19	1989-02-14	1964-05-17
1657	Carmona	Jose	Palmira	Administración	Docente	10661-04-19	1987-12-06	1963-10-10
1573	De santis	Marcela	Palmira	Administración	Aux. Administrativo	6006-11-09	1988-07-07	1960-05-31

Nota: Tambien de pueden leer los links de bases de datos que se encuenten alojadas en un dirección en la web.

CSV

Los archivos CSV (del inglés comma-separated values) son un tipo de documento en formato abierto sencillo para representar datos en forma de tabla, en las que las columnas se separan por comas, en R utilizamos los siguientes códigos para trabajar con esta clase de fichero.

read.csv() ó read.csv2() si el archivo es separado con ;

sep=“,” <- Me permite indicar la separación entre columnas (, . )
dec=“,” <- Me permite indicar el separador decimal
col.names <- c(“name1”,“name2”,…) <- Me permite asignar nombres a las columnas
header <- por de.fecto TRUE, para indicar si la base de datos tiene cabecera
na.strings=“NA” <- Como están denotados los NA en las base de datos
stringAsFactor=F <- Por defecto T me permite ordenar a R que no convierta los string en factores

Ejemplo

auto <- read.csv("../Bases de datos/auto-mpg.csv", 
                 header = TRUE, sep = ",",
                 stringsAsFactors = FALSE)

kable(head(auto),format = "markdown")

No	mpg	cylinders	displacement	horsepower	weight	acceleration	model_year	car_name
1	28	4	140	90	2264	15.5	71	chevrolet vega 2300
2	19	3	70	97	2330	13.5	72	mazda rx2 coupe
3	36	4	107	75	2205	14.5	82	honda accord
4	28	4	97	92	2288	17.0	72	datsun 510 (sw)
5	21	6	199	90	2648	15.0	70	amc gremlin
6	23	4	115	95	2694	15.0	75	audi 100ls

XML

XML es un subconjunto de lenguajes de marcado estándar, simplificado y adaptado a Internet. Un lenguaje de marcado, es una forma de codificar un documento que junto con el texto incorpora etiquetas o marcas que contienen información adicional acerca de la estructura del texto o su presentación,en R utilizamos los siguientes códigos para trabajar con esta clase de fichero.

#Instalamos el paquete necesario
install.packages("XML")

#Cargamos la base de datos en un string llamado url
url <- "file.xml"

#Localizamos el archivo
XML <- xmlParse(url)#XMLInternalDocument

#Se obtiene todo lo que hay en el nodo raız del archivo XML
raiz <- xmlRoot(XML)

#Se crea un data frame con lo valores obtenidos
datos <- xmlSApply(raiz,function(x)xmlSApply(x,xmlValue))

#Creamos un nuevo data frame pero con los datos transpuestos
datos <- data.frame(t(datos),row.names = NULL)

xmlSAapply <- Devuelve una matriz de lo valores sobre cada uno de los valores de nodo raíz.
xmlValue <- Permite extraer la información de un nodo raı́z.
t <- Me permite transponer una matriz o un data frame
row.name = NULL <- Indico a R que las filas no tendrán nombres.

Ejemplo

Para leer bases de datos directamente de una página web se usa:

library(RCurl)
xData <- getURL("url")

library(XML)

url <- "../Bases de datos/cd_catalog.xml"

xmldoc <- xmlParse(url) 
rootnode <- xmlRoot(xmldoc)
rootnode[2]

## $CD
## <CD>
##   <TITLE>Hide your heart</TITLE>
##   <ARTIST>Bonnie Tyler</ARTIST>
##   <COUNTRY>UK</COUNTRY>
##   <COMPANY>CBS Records</COMPANY>
##   <PRICE>9.90</PRICE>
##   <YEAR>1988</YEAR>
## </CD> 
## 
## attr(,"class")
## [1] "XMLInternalNodeList" "XMLNodeList"

cds_data <- xmlSApply(rootnode, function(x) xmlSApply(x, xmlValue) )

kable(head(cds_data),"markdown")

	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD	CD
TITLE	Empire Burlesque	Hide your heart	Greatest Hits	Still got the blues	Eros	One night only	Sylvias Mother	Maggie May	Romanza	When a man loves a woman	Black angel	1999 Grammy Nominees	For the good times	Big Willie style	Tupelo Honey	Soulsville	The very best of	Stop	Bridge of Spies	Private Dancer	Midt om natten	Pavarotti Gala Concert	The dock of the bay	Picture book	Red	Unchain my heart
ARTIST	Bob Dylan	Bonnie Tyler	Dolly Parton	Gary Moore	Eros Ramazzotti	Bee Gees	Dr.Hook	Rod Stewart	Andrea Bocelli	Percy Sledge	Savage Rose	Many	Kenny Rogers	Will Smith	Van Morrison	Jorn Hoel	Cat Stevens	Sam Brown	T’Pau	Tina Turner	Kim Larsen	Luciano Pavarotti	Otis Redding	Simply Red	The Communards	Joe Cocker
COUNTRY	USA	UK	USA	UK	EU	UK	UK	UK	EU	USA	EU	USA	UK	USA	UK	Norway	UK	UK	UK	UK	EU	UK	USA	EU	UK	USA
COMPANY	Columbia	CBS Records	RCA	Virgin records	BMG	Polydor	CBS	Pickwick	Polydor	Atlantic	Mega	Grammy	Mucik Master	Columbia	Polydor	WEA	Island	A and M	Siren	Capitol	Medley	DECCA	Stax Records	Elektra	London	EMI
PRICE	10.90	9.90	9.90	10.20	9.90	10.90	8.10	8.50	10.80	8.70	10.90	10.20	8.70	9.90	8.20	7.90	8.90	8.90	7.90	8.90	7.80	9.90	7.90	7.20	7.80	8.20
YEAR	1985	1988	1982	1990	1997	1998	1973	1990	1996	1987	1995	1999	1995	1997	1971	1996	1990	1988	1987	1983	1983	1991	1968	1985	1987	1987

cds.catalog <- data.frame(t(cds_data), row.names = NULL)

kable(cds.catalog[1:5,],format = "markdown")

TITLE	ARTIST	COUNTRY	COMPANY	PRICE	YEAR
Empire Burlesque	Bob Dylan	USA	Columbia	10.90	1985
Hide your heart	Bonnie Tyler	UK	CBS Records	9.90	1988
Greatest Hits	Dolly Parton	USA	RCA	9.90	1982
Still got the blues	Gary Moore	UK	Virgin records	10.20	1990
Eros	Eros Ramazzotti	EU	BMG	9.90	1997

Nota: En ocasiones puede ser complicado extraer información de ficheros XML por lo que se recomienda el estudio de la sintaxis de Xpath.

HTML

Un chero HTML es un formato especializado de un chero XML, en R utilizamos los siguientes códigos para trabajar con esta clase de fichero.

#Cargamos el paquete necesario
library(XML)

#Cargamos el link de la pagina web en un string llamado url
url <- "www.pagina.com"

#Cargamos todas la tablas de la pagina web
tablas <- readHTMLTable(url)

Las tablas serán tomadas en R como lista compuesta por todas las tablas que hay almacenadas en la página web, por lo que debemos indicarle a R cuál de esas tablas es la que nos interesa.

library(XML)

#Indicamos a R cual es la tabla que nos interesa

tablas[[6]] #En este caso indicamos a R que queremos la tabla 6
tabla <- readHTMLTable(url,which = 6)

which = # <- Nos permite indicar cual tabla queremos

Ejemplo

population_url <- "../Bases de datos/WorldPopulation-wiki.htm"
tables <- readHTMLTable(population_url)

most_populated <- tables[[6]]
head(most_populated, 3)

##   Rank Country / Territory    Population              Date
## 1    1       China[note 4] 1,385,310,000 September 9, 2017
## 2    2               India 1,321,010,000 September 9, 2017
## 3    3       United States   325,732,000 September 9, 2017
##   Approx.Â % of world\r\npopulation Source
## 1                             18.3%   [91]
## 2                             17.5%   [92]
## 3                             4.31%   [93]

custom_table <- readHTMLTable(population_url, which = 6)
custom_table

##    Rank Country / Territory    Population              Date
## 1     1       China[note 4] 1,385,310,000 September 9, 2017
## 2     2               India 1,321,010,000 September 9, 2017
## 3     3       United States   325,732,000 September 9, 2017
## 4     4           Indonesia   261,600,000  October 31, 2016
## 5     5            Pakistan   208,848,000 September 9, 2017
## 6     6              Brazil   207,985,000 September 9, 2017
## 7     7             Nigeria   188,500,000  October 31, 2016
## 8     8          Bangladesh   163,106,000 September 9, 2017
## 9     9              Russia   146,773,226      June 1, 2017
## 10   10               Japan   126,750,000      July 1, 2017
##    Approx.Â % of world\r\npopulation Source
## 1                              18.3%   [91]
## 2                              17.5%   [92]
## 3                              4.31%   [93]
## 4                              3.46%   [94]
## 5                              2.76%   [95]
## 6                              2.75%   [96]
## 7                              2.49%   [97]
## 8                              2.16%   [98]
## 9                              1.94%   [99]
## 10                             1.68%  [100]

JSON

JSON acrónimo de JavaScript Object Notation, es un formato de texto ligero para el intercambio de datos, hoy en dı́a se considera la alternativa a XML. En R utilizamos los siguientes códigos para trabajar con esta clase de fichero.

#Instalamos el paquete necesario
install.packages("jsonlite")

#Cargamos el paquete necesario
library(jsonlite)

#la base de datos ó la dirección de la pagina web en un string llamado url
url <- "file.json" 

#Leemos la base de datos
base <- fromJSON(url)

#Como en html podemos almacenar un conjunto de data frame en un archivo json por lo que para acceder a el usamos
el siguiente código
base <- base$list$resources$resource$tabla

#Por ultimo, si queremos convertir un data frame en un archivo json podemos hacer lo siguiente
toJSON(data.frame)

Ejemplo

library(jsonlite)


dat.1 <- fromJSON("../Bases de datos/students.json")




url <- "http://www.floatrates.com/daily/usd.json"
currencies <- fromJSON(url)

currency.data <- currencies$eur
head(dat.1, 3)

##     id          Name            Email      Major year
## 1 1044   Fran Morton fran.m@quama.edu Statistics 2015
## 2 1035  Kato Mullins  tempor@giat.com  Marketing 2014
## 3 1046 Jordan Keller    Cum@gmail.com  Chemistry 2014

dat.1$Email

##  [1] "fran.m@quama.edu"     "tempor@giat.com"      "Cum@gmail.com"       
##  [4] "eu@famesacturpis.com" "Dea.Ortega@velit.ca"  "je@euismod.org"      
##  [7] "yoko@yahoo.co.uk"     "efarrella@gravid.com" "Delacruz@shu.edu"    
## [10] "mageehump@gmail.com"  "kcooper@hotmail.com"  "croy@yahoo.com"

Rdata y rds

Son estructuras de datos propias de R. Estos objetos tienen las ventajas que permiten guardarlos y enviarl objetos y procedimientos para que queden almacenados y puedan ser usados posteriormente.

clientes <- c("Juan","Pedro","Lucas")
fechas <- as.Date(c("2017-12-27","12-11-1","2018-1-1"))
pago <- c(315,192.55,40.15)
pedido <- data.frame(clientes,fechas,pago)

#Aguardando data frame tipo Rdata
save(pedido,file="../Bases de datos/Objeto1.Rdata") # Permite guardar mas de un archivo. 

#Guardando dataframe tipo rds
saveRDS(pedido,file="../Bases de datos/Objeto2.rds")

#Cargar objeto Rdata
load("../Bases de datos/Objeto1.Rdata")

#Cargar objeto RDS

objeto <- readRDS("../../../Bases de datos/base2.rds")

Nota: remove(Objeto) Permite remover elementos cargados para eliminar desgate de memoria.

Para guardar todos los objetos de una sección se usa:

save.image(file = "../carpeta/fichero.Rdata")

Archivos de texto

Se pueden leer tipos archivos de texto como libros o otros documentos.

archivo <- "../Bases de datos/texto.txt"
con <- file(archivo, open="r") # Abrimos la conexión
documento <- readLines(con)          # Leemos el contenido del archivo

## Warning in readLines(con): incomplete final line found on '../Bases de
## datos/texto.txt'

close(con)                           # Cerramos la conexión

str(documento)

##  chr [1:2] "Los archivos CSV (del inglés comma-separated values) son un tipo de documento en formato abierto sencillo para "| __truncated__ ...

Y para escribir un archivo de texto.

texto <- "Hola mundo"
con <- file("C:/carpeta/texto_ejemplo.txt", open="w")
documento <- writeLines(text = texto, con = con)
close(con)

Bases de datos grandes

Similar a read.tablepero más rápido y más conveniente. Todos los controles como sep, colClassesy nrowsson detectados automáticamente.

library(data.table)

fread(input, file, text, cmd, sep="auto", sep2="auto", dec=".", quote="\"",nrows=Inf, header="auto",
  na.strings=getOption("datatable.na.strings","NA"), 
  stringsAsFactors=FALSE, verbose=getOption("datatable.verbose", FALSE),
  skip="__auto__", select=NULL, drop=NULL, colClasses=NULL,
  col.names,
  check.names=FALSE, encoding="unknown",
  strip.white=TRUE, fill=FALSE, blank.lines.skip=FALSE,
  key=NULL, index=NULL)

Otras alternativas

# read.table

DF <- read.csv("base.csv",stringsAsFactors=FALSE)     

 
# read.table optimizado

DF <- read.table("base.csv",header=TRUE,sep=",",quote="", 
                  stringsAsFactors=FALSE,comment.char="",nrows=1e6,                  
                  colClasses=c("numeric","integer","numeric",                       
                  "character","numeric","integer"))

Exportar bases de datos

# texto. csv,..
write.table(x, file = "", append = FALSE, quote = TRUE, sep = " ",
            eol = "\n", na = "NA", dec = ".", row.names = TRUE,
            col.names = TRUE,
            fileEncoding = "")

# excel


write.xlsx2(x, file, sheetName = "Sheet1",
  col.names = TRUE, row.names = TRUE, append = FALSE)

x <- Objeto a ser escrito.
file <- Es la ruta y el nombre del archivo (“../carpeta/archivo.txt”)
append <- lógico. Solo relevante si el archivo es una cadena de caracteres. Si es VERDADERO, la salida se añade al archivo. Si es FALSO, cualquier archivo existente del nombre se destruye.
quote <- un valor lógico. Si es VERDADERO, cualquier columna de carácter o factor estará rodeada por comillas dobles. Si es un vector numérico, sus elementos se toman como índices de columnas para citar.
sep <- Separador
eol <- Caracter a imprimir en el fin de cada linea.
na <- Como se van a codificar los NAs.
row.names <- Nombres de las filas.
col.names <- Nombres de las columnas.
fileEncoding <- Codificación del archivo.

Recursos

En el siguiente repositorio de github encontrara material para que pratique los tipo de ficheros en R. https://github.com/ydmarinb/Recursos/tree/master/Fichero

Ficheros en R

Yubar Daniel Marín Benjumea

https://unalyticsteam.github.io/unalytics.github.io/

EXCEL

Ejemplo

CSV

Ejemplo

XML

Ejemplo

HTML

Ejemplo

JSON

Ejemplo

Rdata y rds

Archivos de texto

Bases de datos grandes

Otras alternativas

Exportar bases de datos

Recursos

Referencias