{"id":3222,"date":"2023-07-18T14:39:02","date_gmt":"2023-07-18T14:39:02","guid":{"rendered":"https:\/\/statorials.org\/pl\/boje-sie\/"},"modified":"2023-07-18T14:39:02","modified_gmt":"2023-07-18T14:39:02","slug":"boje-sie","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/boje-sie\/","title":{"rendered":"Jak u\u017cywa\u0107 fread() w r do szybszego importowania plik\u00f3w"},"content":{"rendered":"

<\/p>\n

\n

Mo\u017cesz u\u017cy\u0107 funkcji fread()<\/strong> pakietu data.table<\/strong> w R, aby szybko i \u0142atwo importowa\u0107 pliki.<\/span><\/span><\/p>\n

Ta funkcja wykorzystuje nast\u0119puj\u0105c\u0105 podstawow\u0105 sk\u0142adni\u0119:<\/span><\/p>\n

 library<\/span> (data.table)\n\ndf <- fread(\" C:\\\\Users\\\\Path\\\\To\\\\My\\\\data.csv<\/span> \")<\/strong><\/pre>\n
 W przypadku du\u017cych plik\u00f3w ta funkcja okaza\u0142a si\u0119 znacznie szybsza ni\u017c funkcje takie jak read.csv<\/strong> z bazowego R.<\/span><\/p>\n
 W wi\u0119kszo\u015bci przypadk\u00f3w ta funkcja mo\u017ce r\u00f3wnie\u017c automatycznie wykry\u0107 typy ogranicznik\u00f3w i kolumn dla importowanego zbioru danych.<\/span><\/p>\n
 Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n
 Przyk\u0142ad: Jak u\u017cywa\u0107 Feed() do importowania plik\u00f3w do R<\/strong><\/span><\/h3>\n
 Za\u0142\u00f3\u017cmy, \u017ce mam plik CSV o nazwie data.csv<\/strong> zapisany w nast\u0119puj\u0105cej lokalizacji:<\/span><\/p>\n
 C:\\Users\\Bob\\Desktop\\data.csv<\/strong><\/span><\/p>\n
 Za\u0142\u00f3\u017cmy, \u017ce plik CSV zawiera nast\u0119puj\u0105ce dane:<\/span><\/p>\n
 team, points, assists\n'A', 78, 12\n'B', 85, 20\n'C', 93, 23\n'D', 90, 8\n'E', 91, 14\n<\/strong><\/pre>\n
 Mog\u0119 u\u017cy\u0107 funkcji fread()<\/strong> pakietu data.table<\/strong> , aby zaimportowa\u0107 ten plik do mojego bie\u017c\u0105cego \u015brodowiska R:<\/span><\/span><\/p>\n
 library<\/span> (data.table)<\/span>\n\n#import data<\/span>\ndf <- fread(\"C:\\Users\\Bob\\Desktop\\data.csv\")\n<\/span>\n#viewdata\n<\/span>df\n\n  team points assists\n1 A 78 12\n2 B 85 20\n3 C 93 23\n4 D 90 8\n5 E 91 14<\/strong><\/pre>\n
 Uda\u0142o nam si\u0119 zaimportowa\u0107 plik CSV za pomoc\u0105 funkcji fread()<\/strong> .<\/span><\/p>\n
 Uwaga<\/strong> : w \u015bcie\u017cce pliku u\u017cyli\u015bmy podw\u00f3jnych uko\u015bnik\u00f3w odwrotnych (\\\\), aby unikn\u0105\u0107 typowych b\u0142\u0119d\u00f3w importu<\/a> .<\/span><\/p>\n
 Zauwa\u017c, \u017ce nie musieli\u015bmy r\u00f3wnie\u017c okre\u015bla\u0107 separatora, poniewa\u017c funkcja fread()<\/strong> automatycznie wykry\u0142a, \u017ce jest to przecinek.<\/span><\/p>\n
 Je\u015bli u\u017cyjemy funkcji str()<\/a> do wy\u015bwietlenia struktury ramki danych, zobaczymy, \u017ce funkcja fread()<\/strong> r\u00f3wnie\u017c automatycznie zidentyfikowa\u0142a typ obiektu dla ka\u017cdej kolumny:<\/span><\/p>\n
 #view structure of data\n<\/span>str(df)\n\nClasses 'data.table' and 'data.frame': 5 obs. of 3 variables:\n $ team: chr \"'A'\" \"'B'\" \"'C'\" \"'D'\" ...\n $points: int 78 85 93 90 91\n $assists: int 12 20 23 8 14\n<\/strong><\/pre>\n
 Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n