Apuntes sobre R script

NOTA: Esta lista de script se actualiza constantemente


Guardar y leer archivos enformato de R (RDS)
saveRDS(datos_1, file = "C:/Carpeta/datos.rds")
datos    <-   readRDS("C:/Carpeta/datos.rds")

Identificar columnas con Valores Vacios en un DataFrame
VarSinDatos <- apply(Train,2,function(x)  min(nchar(x)))
VarSinDatos <- VarSinDatos[VarSinDatos==0]
print(VarSinDatos)


Leer una base de datos via ODBC

library(RODBC) #Libreria
mi_odbc <- odbcConnect("Miconeccion", uid="MiUsuario", pwd="MiPasword")  #inicio sesion
data <- sqlQuery(mi_odbc, "select campo1, campo2  from  NombreDeTabla") #leer algunos campo
data <- sqlFetch(mi_odbc, "NombreDeTabla") #cargar toda la tabla
OdbcClose(db) #cerrar sesion

Descargar archivo de url a disco

download.file('https://dl.dropboxusercontent.com/u/59930995/cars04.csv', 

'c:/R/prb.csv',  quiet = FALSE, mode = "w",cacheOK = TRUE,

 extra = getOption("download.file.extra"))

Leer csv usando Buscador de Carpetas

DataSet <- read.table(file.choose(),header=TRUE,sep=",")

Pasar un parametro a una lista

do.call("+",list(4,5))

Concatenar muchso CSV en un Data.Frame

setwd("C:/MisArchivosCSV/")  # establece carpeta de trabajo

temp <- list.files(pattern="*.csv") # crea lista con todos los nombres de los csv

DataSet <- do.call("rbind", lapply(temp, function(x) read.csv(x))) # concatena todos los csv

Convertir todas las variables en Factores
DataSet <- as.data.frame(lapply(datos, factor))

Usar la configuración Proxy de InternetExplorer para install.packagge

setInternet2(TRUE) 

Funcion que Carga un Package, si no está instalado, lo instala y luego lo carga

packages <- function(x) {

  x <- as.character(match.call()[[2]])

  if (!require(x,character.only=TRUE)){

    install.packages(pkgs=x,repos="http://cran.r-project.org")

    require(x,character.only=TRUE)

  }

}

packages(rpart)

Transponer una tabla

datos <- data.frame(

  Id_Factura = c(1,1,2,2,2),

  Orden        = c(8,4,8,4,7),

  Item          = c("pan","leche","azucar","maiz","arroz"))

Transaccines <- reshape(datos,

                        direction  =  "wide",

                        timevar    =  "Orden",

                        idvar        =  c("Id_Factura"))

BechMark para medir tiempo ejecucion paralela 

inicio     <- Sys.time();library(snow)  

Cluster   <- makeCluster(4,type="SOCK")

NoPrint  <- clusterEvalQ(Cluster,{library(rbenchmark)})

x            <- clusterApply(Cluster, c(1:10),function(i)      

            {benchmark((1:10^6)^3)})

Sys.time()-inicio

Crear vector como formula con formato Clase ~ var1+var2+var3 

frml <- as.formula(paste("Clase ~ ", #variable Predictora

                        paste(names(within(

                          Train, rm(Clase,Fecha,IdCliente))), #Variables no predictoras 

                              collapse="+") ))

Cambiar el nombre de una columna en un data.frame

names(DATOS)[names(DATOS) == 'nombreviejo']  <-  'nombrenuevo'

Normalizar de cero a uno un data frame

library("scales")

datos     <- data.frame(uno=c(2,4,6,8),dos=c(-2,-4,-6,-8))

datos.nrm <- rescale(datos)

Eliminar registros con valores nulos en una o mas variable

datos              <- data.frame(x1 = c(1,NA,3),

                                                 x2 = c(21,22,23))

datos.complt <- datos[complete.cases(datos),]

Comparar si dos objetos son iguales

uno <-  c(1L, 6L, 10L)

dos <-  c(1, 6, 10)

tres <- c(1, 6, 10)

identical(uno,dos) # FALSE

identical(dos,tres) # TRUE

Selecionar solo variables numéricas en un data.frame

iris.num <- iris[ ,sapply(iris, is.numeric)]

Extraer dominio y correo de EMAIL

gsub(".*@","","enmanuel.s@gmail.com") # gmail.com

gsub("@.*","","enmanuel.s@gmail.com")  # enmanuel.s

Convertir multiples CSV en multiples RDS

lista <- list.files("C:/Archivos/TXT",full.names=T)

for (i in lista){ 

  datos      <- read.csv(i)

  file.name  <- gsub(".csv", ".rds", basename(i)) # arch.csv to arch.rds

  ruta       <- paste('C:/Archivos/RDS/',file.name) # ruta del rds

  saveRDS(datos, ruta) 

  rm(datos,ruta)

}

Completa los valores NA con la media de la variable

df.imp <- sapply(df, function(x) ifelse(is.na(x),mean(x,na.rm = T),x))

Completa/Imputa los valores NA con la moda

x <- c(1,2,3,4,4,4,5,NA,6)

agrupado <- table(as.vector(x))

MODA <- names(agrupado[agrupado==max(agrupado)])

MODA <- as.numeric(MODA)

x_imputado <- ifelse(is.na(x),MODA,x)

Guardar el Summary en un txt

iris_sumary <- summary(iris)
capture.output(iris_sumary, file = "iris_sumary.txt")

Cargar varias librerias/paquetes de forma recursiva usando lapply

libs <- c("rpart", "C50", "randomForest")
lapply(libs,require, character.only= TRUE)