8  Importación de datos desde diferentes formatos en R

En esta clase, aprenderemos cómo importar datos desde diferentes formatos en R, como archivos CSV, Excel y otros formatos comunes. La capacidad de importar datos es fundamental para analizar y trabajar con conjuntos de datos en R.

Importación de archivos CSV

Los archivos CSV (Comma-Separated Values) son uno de los formatos más comunes para almacenar datos tabulares. En R, podemos importar archivos CSV utilizando la función read.csv() o read.csv2().

# Importar un archivo CSV
datos <- read.csv("ruta_del_archivo.csv")

También podemos especificar opciones adicionales, como el separador de columnas y si el archivo contiene encabezados.

# Importar un archivo CSV con opciones personalizadas
datos <- read.csv("ruta_del_archivo.csv", sep = ";", header = TRUE)

Importación de archivos Excel

R también nos permite importar datos de archivos Excel. Para ello, podemos utilizar el paquete readxl o openxlsx.

# Instalar y cargar el paquete readxl
install.packages("readxl")
library(readxl)

# Importar un archivo Excel
datos <- read_excel("ruta_del_archivo.xlsx", sheet = "nombre_de_hoja")

También podemos utilizar el paquete openxlsx para importar archivos Excel.

# Instalar y cargar el paquete openxlsx
install.packages("openxlsx")
library(openxlsx)

# Importar un archivo Excel
datos <- read.xlsx("ruta_del_archivo.xlsx", sheet = "nombre_de_hoja")

Importación de otros formatos

Además de CSV y Excel, R también es capaz de importar datos desde otros formatos, como archivos de texto plano, bases de datos, archivos JSON, entre otros. Aquí hay algunos ejemplos:

  • Importar un archivo de texto plano (por ejemplo, con valores separados por tabuladores):
datos <- read.delim("ruta_del_archivo.txt")
  • Importar datos de una base de datos utilizando el paquete DBI:
# Instalar y cargar el paquete DBI
install.packages("DBI")
library(DBI)

# Establecer una conexión con la base de datos
conexion <- dbConnect(drv, dbname = "nombre_base_datos", user = "usuario",
                      password = "contraseña")

# Importar datos de una tabla de la base de datos
datos <- dbReadTable(conexion, "nombre_tabla")
  • Importar datos desde un archivo JSON utilizando el paquete jsonlite:
# Instalar y cargar el paquete jsonlite
install.packages("jsonlite")
library(jsonlite)

# Importar datos desde un archivo JSON
datos <- fromJSON("ruta_del_archivo.json")
Note

Es importante tener en cuenta que para importar datos desde formatos diferentes a CSV y Excel, es posible que necesites instalar y cargar paquetes adicionales según sea necesario.

Recuerda verificar la documentación y los argumentos opcionales de las funciones de importación para adaptarlos a tu caso específico y asegurarte de que los datos se importen correctamente.

Ejercicios

formato CSV

Note

Para la mayoría de archivos son los mismos pasos

  1. Por favor, ingresa al siguiente enlace: Descargar base de datos. Ahí podrás descargar el archivo “diamonds.csv”.

  2. Una vez descargado el archivo, abre RStudio y crea un nuevo script.

  3. Ahora, vamos a importar la base de datos CSV utilizando la función read.csv(). Asegúrate de modificar la ruta del archivo de acuerdo a donde lo hayas guardado en tu computadora. Aquí tienes el código:

# Ruta al archivo CSV (modifica la ruta según
# donde hayas guardado el archivo)
ruta <- "ruta/del/archivo/diamonds.csv"

# Lectura de la base de datos CSV
diamonds <- read.csv(ruta)
  1. Ejecuta el código y verifica que la base de datos se haya cargado correctamente en el objeto “diamonds”.

  2. Ahora que hemos importado la base de datos, te invito a explorarla utilizando las funciones de R. Puedes utilizar las siguientes funciones para obtener una comprensión inicial de los datos:

  • head(diamonds): Muestra las primeras filas de la base de datos.
head(diamonds)
  • summary(diamonds): Proporciona un resumen estadístico de las variables numéricas.
summary(diamonds)
     carat               cut        color        clarity          depth      
 Min.   :0.2000   Fair     : 1610   D: 6775   SI1    :13065   Min.   :43.00  
 1st Qu.:0.4000   Good     : 4906   E: 9797   VS2    :12258   1st Qu.:61.00  
 Median :0.7000   Ideal    :21551   F: 9542   SI2    : 9194   Median :61.80  
 Mean   :0.7979   Premium  :13791   G:11292   VS1    : 8171   Mean   :61.75  
 3rd Qu.:1.0400   Very Good:12082   H: 8304   VVS2   : 5066   3rd Qu.:62.50  
 Max.   :5.0100                     I: 5422   VVS1   : 3655   Max.   :79.00  
                                    J: 2808   (Other): 2531                  
     table           price             x                y         
 Min.   :43.00   Min.   :  326   Min.   : 0.000   Min.   : 0.000  
 1st Qu.:56.00   1st Qu.:  950   1st Qu.: 4.710   1st Qu.: 4.720  
 Median :57.00   Median : 2401   Median : 5.700   Median : 5.710  
 Mean   :57.46   Mean   : 3933   Mean   : 5.731   Mean   : 5.735  
 3rd Qu.:59.00   3rd Qu.: 5324   3rd Qu.: 6.540   3rd Qu.: 6.540  
 Max.   :95.00   Max.   :18823   Max.   :10.740   Max.   :58.900  
                                                                  
       z         
 Min.   : 0.000  
 1st Qu.: 2.910  
 Median : 3.530  
 Mean   : 3.539  
 3rd Qu.: 4.040  
 Max.   :31.800  
                 
  • str(diamonds): Muestra la estructura de la base de datos, incluyendo los tipos de variables.
str(diamonds)
tibble [53,940 × 10] (S3: tbl_df/tbl/data.frame)
 $ carat  : num [1:53940] 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
 $ cut    : Factor w/ 5 levels "Fair","Good",..: 3 4 2 4 2 5 5 5 1 5 ...
 $ color  : Factor w/ 7 levels "D","E","F","G",..: 2 2 2 6 7 7 6 5 2 5 ...
 $ clarity: Factor w/ 8 levels "I1","IF","SI1",..: 4 3 5 6 4 8 7 3 6 5 ...
 $ depth  : num [1:53940] 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
 $ table  : num [1:53940] 55 61 65 58 58 57 57 55 61 61 ...
 $ price  : int [1:53940] 326 326 327 334 335 336 336 337 337 338 ...
 $ x      : num [1:53940] 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
 $ y      : num [1:53940] 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
 $ z      : num [1:53940] 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...