{"id":3223,"date":"2023-07-18T14:39:02","date_gmt":"2023-07-18T14:39:02","guid":{"rendered":"https:\/\/statorials.org\/pt\/estou-com-medo\/"},"modified":"2023-07-18T14:39:02","modified_gmt":"2023-07-18T14:39:02","slug":"estou-com-medo","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/estou-com-medo\/","title":{"rendered":"Como usar fread() em r para importar arquivos mais rapidamente"},"content":{"rendered":"

<\/p>\n

\n

Voc\u00ea pode usar a fun\u00e7\u00e3o fread()<\/strong> do pacote data.table<\/strong> em R para importar arquivos de forma r\u00e1pida e f\u00e1cil.<\/span><\/span><\/p>\n

Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica:<\/span><\/p>\n

 library<\/span> (data.table)\n\ndf <- fread(\" C:\\\\Users\\\\Path\\\\To\\\\My\\\\data.csv<\/span> \")<\/strong><\/pre>\n
 Para arquivos grandes, esta fun\u00e7\u00e3o foi significativamente mais r\u00e1pida do que fun\u00e7\u00f5es como read.csv<\/strong> da base R.<\/span><\/p>\n
 E na maioria dos casos, esta fun\u00e7\u00e3o tamb\u00e9m pode detectar automaticamente o delimitador e os tipos de coluna do conjunto de dados que voc\u00ea est\u00e1 importando.<\/span><\/p>\n
 O exemplo a seguir mostra como usar esta fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n
 Exemplo: como usar feed() para importar arquivos para R<\/strong><\/span><\/h3>\n
 Digamos que eu tenha um arquivo CSV chamado data.csv<\/strong> salvo no seguinte local:<\/span><\/p>\n
 C:\\Usu\u00e1rios\\Bob\\Desktop\\data.csv<\/strong><\/span><\/p>\n
 E suponha que o arquivo CSV contenha os seguintes dados:<\/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
 Posso usar a fun\u00e7\u00e3o fread()<\/strong> do pacote data.table<\/strong> para importar este arquivo para meu ambiente R atual:<\/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
 Conseguimos importar com sucesso o arquivo CSV usando a fun\u00e7\u00e3o fread()<\/strong> .<\/span><\/p>\n
 Observa\u00e7\u00e3o<\/strong> : usamos barras invertidas duplas (\\\\) no caminho do arquivo para evitar um erro comum de importa\u00e7\u00e3o<\/a> .<\/span><\/p>\n
 Observe que tamb\u00e9m n\u00e3o precisamos especificar o delimitador, pois a fun\u00e7\u00e3o fread()<\/strong> detectou automaticamente que era uma v\u00edrgula.<\/span><\/p>\n
 Se usarmos a fun\u00e7\u00e3o str()<\/a> para exibir a estrutura do quadro de dados, podemos ver que a fun\u00e7\u00e3o fread()<\/strong> tamb\u00e9m identificou automaticamente o tipo de objeto para cada coluna:<\/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
 Pelo resultado podemos ver:<\/span><\/p>\n