Dúvida na leitura de arquivo txt

Boa tarde,

Selecionei uma planilha minha no Excel e salvei como txt no Bloco de Notas. Rentei abrir no R, conforme a aula 1.8:

dados_corona<-read.table("corona.txt", header=T)

Mas veio a seguinte mensagem de erro:

Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, :
line 1 did not have 94 elements

Se eu adicionar "\t" dá certo:

dados_corona<-read.table("corona.txt", header=T,sep="\t")

Mas não tinha que dar certo mesmo sem o "\t"?

Obrigada!

Oi, Helena.

Na verdade é necessário, a não ser que cada nome de coluna (e também qualquer nível de variáveis categóricas) não tiver espaços nos nomes.

O que acontece é que se não usamos o argumento sep, o R deduz que tanto um espaço quanto uma tabulação faz a separação entre colunas. Daí, ao ler os nomes, ele acha que o arquivo terá mais colunas do que tem de verdade, e dá este tipo de erro (sempre neste formato de "linha x não tinha y elementos).

O sep="\t" indica que apenas tabulações indicam separação entre colunas, então ele ignora os espaços. Quando lemos arquivos txt, o ideal é sempre usar este argumento.

Perfeito. Obrigada!

Olá! Aproveito o tópico pois, apesar da dúvida não ser a mesma, também é sobre tabelas.

Se eu tenho uma tabela com dados de temperatura de diferentes micro-habitas, minha tendência é fazer cada coluna com o nome do micro-habitat e em cada linha ir preenchendo com a temperatura correspondente mensurada. No entanto, tive problemas para rodar a ANOVA no R com a tabela nesse formato, e tive que fazer duas colunas, sendo a primeira os dados de temperatura e a segunda coluna com as variáveis categóricas correspondentes ao micro-habitats.
Vale destacar que a planilha possui mais de 1000 registros, então dificulta muito a leitura enumerar todos os dados numa mesma tabela. Sem contar o trabalho manual que tive, para modificar isso. rs.
Há alguma outra solução ou uma forma mais fácil de resolver essa questão?

Oi, Bia.

Então, sempre tente seguir a "regra de ouro": unidades amostrais nas linhas, variáveis nas colunas. Uma mesma variável medida em diferentes locais, tempos, tratamentos, etc, deve ter uma única coluna com as medidas, e nas linhas é que você terá as diferenças entre micro-habitats. Então colocar cada coluna com o nome de um micro-habitat parece intuitivo, mas na verdade não é o formato indicado...

Apesar de poder parecer trabalhoso inserir isso em uma planilha com centenas ou milhares de linhas, não chega a ser ruim: você pode usar a função "congelar painéis" do seu gerenciador de planilhas favorito, e o preenchimento será simples.

Mas, por último, uma notícia boa!
É possível pegar a planilha pronta e modificar o formato sem ter que fazer tudo manualmente. Isso pode ser feito no gerenciador de planilhas (usando tabelas dinâmicas) ou mesmo no próprio R!

Depois eu volto aqui com um exemplo de como fazer isso no R, para você poder aplicar aos seus dados, ok?

Oi Marcos!

Obrigada! Vou querer saber como fazer isso no R sim! Já tive esse "problema" algumas vezes...hehe
Fico no aguardo!!

Obrigada.

Pronto, aqui está um exemplo de como fazer isso, usando o pacote tidyr:

Código:

#Dados de exemplo, parece complicado mas é só executar que vai dar certo:
exemplo<-structure(list(Var1_a = c(18L, 22L, 26L, 36L, 10L, 12L, 44L,
29L, 16L, 26L), Var1_b = c(36L, 23L, 10L, 30L, 29L, 21L, 16L,
19L, 37L, 19L), Var1_c = c(48L, 34L, 35L, 11L, 46L, 30L, 42L,
49L, 38L, 18L)), class = "data.frame", row.names = c(NA, -10L
))

#Veja os dados:
exemplo

#Há várias maneiras de fazer isso, algumas mais "manuais" e outras mais simples
#Vamos pela mais fácil que eu conheço, usando o pacote "tidyr"
#Olha que rápido:
library(tidyr)
exemplo_novo<-gather(exemplo, "classe", "valor")

#Veja como ficou:
exemplo_novo

#Os nomes "valor" e "classe" são nomes que eu mesmo atribuí para as colunas
#Se você quiser fazer isso apenas para parte dos dados, use [linhas, colunas]
#Pois assim você escolhe apenas as colunas que quer na tabela com formato novo

#Ah, note que ele não criou a variável "classe" como fator:
summary(exemplo_novo)

#Mas isso é fácil de se resolver:
exemplo_novo$classe<-as.factor(exemplo_novo$classe)

#Pronto:
summary(exemplo_novo)

Maravilha, obrigada!
Vai ajudar muito

Olá a todos,

Vou aproveitar o ensejo dessas questões pois estou enfrentando problemas parecidos.

Como a Helena mencionou o erro "did not have xx elements", também me deparo com o mesmo erro, mas é no momento que peço ao R ler o dado com o comando:

>torneio<-read.table("Dosagens Grupo Torneio para R.txt")
Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  :
 line 2 did not have 9 elements


Procurei solucionar o problema mexendo na planilha pois há células vazias (não há dado coletado naquele momento), retirei os espaços entre uma palavra e outra do cabeçalho como a orientou também, mas nada resolveu.  

Continuando com as dúvidas postadas nesta temática, acredito que fiz a mesma inversão que a Bia, só gostaria de confirmar com vocês. Trabalho com poucas unidades amostrais apenas 9 indivíduos, minhas variáveis são as dosagens hormonais em diferentes horas do dia em diferentes dias da semana (acredito eu).

Então acredito que os indivíduos devam ir nas linhas e os dias_horas nas colunas, ao contrario deste documento, certo?:

Olá, Carolina, tudo bem?

Primeiro, a solução rápida: faltou o header=T. Então o R acha que a primeira linha são dados, e isso pode ser a origem do erro.

Mas há outras questões, então vamos por partes:

1 - nunca use células vazias, independente de escolher o R para análise ou em outras ferramentas. Uma célula vazia é algo que tem uma chance enorme de gerar erros: ao abrir uma planilha que não é sua ou que você criou há muito tempo, é impossível saber se uma célula vazia é uma informação ausente ou um erro de preenchimento.

No nosso caso, trabalhando com o R, o ideal é preencher as células vazias com NA, que é a forma que o R tem de entender que é uma informação ausente. Também é possível usar outros símbolos, como ? ou algo assim - mas na hora de ler os dados é preciso indicar o que eles significam por isso usar NA acaba sendo bem mais prático.

2 - independente de usar ou não espaços, eu recomendo sempre usar o argumento sep. Acaba virando um bom hábito, pois ele não afeta em nada se você não tiver espaços, mas sempre te protege quando eles existem. Então é interessante incluir sep="\t" como parte dos seus comandos de leitura.

3 - Fique atenta para o separador decimal, ok? Especialmente se estiver gerando o arquivo a partir de copiar e colar no bloco de notas. Adicione dec="," se for necessário, pois pelo o seu print, vejo que o separador decimal na planilha é vírgula.

Por fim, em relação a última pergunta: é isso mesmo, os indivíduos devem ser linhas. Uma coluna para indicar o nome do indivíduo e outra para indicar dia/hora.

AHAAAA, CONSEGUI AVANÇAR, obrigada Professor !!!        

Mas agora quando eu fui tentar explorar o R, como ensina na aula 1.10, o programa não reconhece o NA como numeração e da erro, tenho que avisar o "R" de alguma forma para não desconsiderar esse comando?

Estou me aventurar no R e trabalhando com bastante variáveis (agora que eu inverti a coluna por linha e linha por coluna), porém estou com muita dificuldade de compreender como fazer a "pergunta" certa ao programa com tantas variáveis, pois quero saber por exemplo:
1- saber a quantidade mínima e máxima da concentração hormonal de cada um dos indivíduos;
2- qual dos indivíduos obteve a concentração mais alta e foi mais baixa e em qual momento?
3- em qual das variáveis(momentos) houve a maior concentração hormonal, e em qual e quantas espécies estava mais elevada?

Carolina Lorieri escreveu:AHAAAA, CONSEGUI AVANÇAR, obrigada Professor !!!        

Mas agora quando eu fui tentar explorar o R, como ensina na aula 1.10, o programa não reconhece o NA como numeração e da erro, tenho que avisar o "R" de alguma forma para não desconsiderar esse comando?

Oi, Carolina. Qual o erro que aparece? Ele deveria ler e entender normalmente os "NAs". Você usou NA com letras maíusculas?

Carolina Lorieri escreveu:Estou me aventurar no R e trabalhando com bastante variáveis (agora que eu inverti a coluna por linha e linha por coluna), porém estou com muita dificuldade de compreender como fazer a "pergunta" certa ao programa com tantas variáveis, pois quero saber por exemplo:
1-  saber a quantidade mínima e máxima da concentração hormonal de cada um dos indivíduos;
2-  qual dos indivíduos obteve a concentração mais alta e foi mais baixa e em qual momento?
3- em qual das variáveis(momentos) houve a maior concentração hormonal, e em qual e quantas espécies estava mais elevada?

Vamos lá!

Criei um exemplo que deve te ajudar a resolver. Esta é uma situação na qual temos muitos caminhos diferentes, tentei seguir um bem básico, sem usar funções mais complicadas ou outros pacotes. Execute o exemplo, e depois tente aplicar, e aí volte aqui para dizer como foi, ok? Aqui está:

Código:


#Dados de exemplo:
dados<-structure(list(Réplica = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L,
5L, 1L, 2L, 3L, 4L, 5L), Indivíduo = structure(c(1L, 1L, 1L,
1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a",
"b", "c"), class = "factor"), Concentração = c(52L, 76L, 99L,
87L, 30L, 59L, 3L, 98L, 34L, 15L, 31L, 88L, 99L, 3L, 27L)), class = "data.frame", row.names = c(NA,
-15L))

dados

#Maior concentração de todas:
max(dados$Concentração)

#Quem é que tem a maior de todas, usando o valor que foi retornado acima:
dados[dados$Concentração==99, ]
#Olha que interessante: temos dois valores que "empataram" como máximos.

#Para o mínimo, é simples igual:
min(dados$Concentração)
dados[dados$Concentração==3, ]
#Também tivemos um empate!

#Qual o máximo e o mínimo por indivíduo?
tapply(dados$Concentração, dados$Indivíduo, max)
tapply(dados$Concentração, dados$Indivíduo, min)





Prof. Marcos escreveu:

Carolina Lorieri escreveu:AHAAAA, CONSEGUI AVANÇAR, obrigada Professor !!!        

Mas agora quando eu fui tentar explorar o R, como ensina na aula 1.10, o programa não reconhece o NA como numeração e da erro, tenho que avisar o "R" de alguma forma para não desconsiderar esse comando?

Oi, Carolina. Qual o erro que aparece? Ele deveria ler e entender normalmente os "NAs". Você usou NA com letras maíusculas?

Eu escrevi com letra maiuscula "NA", os erros que aparecem são:
Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, :
line 1 did not have 51 elements
In addition: Warning message:
In read.table("Dosagens Grupo Controle para R.txt", header = T, :
incomplete final line found by readTableHeader on 'Dosagens Grupo Controle para R.txt'

Prof. Marcos escreveu:

Carolina Lorieri escreveu:Estou me aventurar no R e trabalhando com bastante variáveis (agora que eu inverti a coluna por linha e linha por coluna), porém estou com muita dificuldade de compreender como fazer a "pergunta" certa ao programa com tantas variáveis, pois quero saber por exemplo:
1-  saber a quantidade mínima e máxima da concentração hormonal de cada um dos indivíduos;
2-  qual dos indivíduos obteve a concentração mais alta e foi mais baixa e em qual momento?
3- em qual das variáveis(momentos) houve a maior concentração hormonal, e em qual e quantas espécies estava mais elevada?

Vamos lá!

Criei um exemplo que deve te ajudar a resolver. Esta é uma situação na qual temos muitos caminhos diferentes, tentei seguir um bem básico, sem usar funções mais complicadas ou outros pacotes. Execute o exemplo, e depois tente aplicar, e aí volte aqui para dizer como foi, ok? Aqui está:

Código:


#Dados de exemplo:
dados<-structure(list(Réplica = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L,
5L, 1L, 2L, 3L, 4L, 5L), Indivíduo = structure(c(1L, 1L, 1L,
1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a",
"b", "c"), class = "factor"), Concentração = c(52L, 76L, 99L,
87L, 30L, 59L, 3L, 98L, 34L, 15L, 31L, 88L, 99L, 3L, 27L)), class = "data.frame", row.names = c(NA,
-15L))

dados

#Maior concentração de todas:
max(dados$Concentração)

#Quem é que tem a maior de todas, usando o valor que foi retornado acima:
dados[dados$Concentração==99, ]
#Olha que interessante: temos dois valores que "empataram" como máximos.

#Para o mínimo, é simples igual:
min(dados$Concentração)
dados[dados$Concentração==3, ]
#Também tivemos um empate!

#Qual o máximo e o mínimo por indivíduo?
tapply(dados$Concentração, dados$Indivíduo, max)
tapply(dados$Concentração, dados$Indivíduo, min)





Desculpa professor, mas não consegui seguir o exemplo que compartilhou comigo, talvez pelo fato de não fazer a menor ideia do "como" ele pode me ajudar . Algumas dúvidas:
1- O que quer dizer essa função: <-structure(list( ??
2- Acho que minha maior dificuldade é trabalhar com diversas variáveis diferentes, sendo que não tem nenhuma variável escrito Concentração, apenas os dias da semana e hr de coleta, por exemplo 1qf8 (corresponde a primeira quinta feira de coleta às 8h) foram três no total então terei outras variáveis com 2qf8 e 3qf8

Oi, Carolina.

O exemplo é apenas para você copiar e colar no R. Aquela primeira parte é apenas a criação dos dados de exemplo - não se preocupe com ela, parece complicada mesmo. Mas o que importa é que aquele bloco inicial vai criar dados de exemplo, e logo depois vem a parte que interessa: os cálculos que eu fiz com os dados.

Não se preocupe com os nomes das variáveis no meu exemplo, criei apenas para ficar fácil. Ao aplicar nos seus dados, você irá usar os nomes como estiverem lá. Tente executar o exemplo e depois diga se deu certo, acho que vai começar a clarear um pouco, ok?

E vamos nos falando.

Prof. Marcos escreveu:Oi, Carolina.

O exemplo é apenas para você copiar e colar no R. Aquela primeira parte é apenas a criação dos dados de exemplo - não se preocupe com ela, parece complicada mesmo. Mas o que importa é que aquele bloco inicial vai criar dados de exemplo, e logo depois vem a parte que interessa: os cálculos que eu fiz com os dados.

Não se preocupe com os nomes das variáveis no meu exemplo, criei apenas para ficar fácil. Ao aplicar nos seus dados, você irá usar os nomes como estiverem lá. Tente executar o exemplo e depois diga se deu certo, acho que vai começar a clarear um pouco, ok?

E vamos nos falando.

Muito muito muito obrigada por toda atenção e orientação professor.

Quero aproveitar o ensejo e parabenizar todo o trabalho do senhor e de sua equipa, estou realmente aprendendo muito, e a sua didática é incrível!

Então eu fiz aqueles questionamentos pois deu erro ao tentar realizar o comando:

Error: unexpected input in "dados<-structure(list(R√"
> dados<-structure (list (Réplica = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L), Indivíduo = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a", "b", "c"), class = "factor"), Concentração = c(52L, 76L, 99L, 87L, 30L, 59L, 3L, 98L, 34L, 15L, 31L, 88L, 99L, 3L, 27L)), class = "data.frame", row.names = c(NA, -15L))

Oi, Carolina!

Muito obrigado!

Em relação ao erro: meu chute é que ele pode estar associado ao uso de acentuação... Não tenho certeza, mas não custa conferir.

Tente de novo:

Código:


    #Dados de exemplo:
    dados<-structure(list(Replica = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L,
    5L, 1L, 2L, 3L, 4L, 5L), Individuo = structure(c(1L, 1L, 1L,
    1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a",
    "b", "c"), class = "factor"), Concentracao = c(52L, 76L, 99L,
    87L, 30L, 59L, 3L, 98L, 34L, 15L, 31L, 88L, 99L, 3L, 27L)), class = "data.frame", row.names = c(NA,
    -15L))

    dados

    #Maior concentração de todas:
    max(dados$Concentracao)

    #Quem é que tem a maior de todas, usando o valor que foi retornado acima:
    dados[dados$Concentracao==99, ]
    #Olha que interessante: temos dois valores que "empataram" como máximos.

    #Para o mínimo, é simples igual:
    min(dados$Concentracao)
    dados[dados$Concentracao==3, ]
    #Também tivemos um empate!

    #Qual o máximo e o mínimo por indivíduo?
    tapply(dados$Concentracao, dados$Individuo, max)
    tapply(dados$Concentracao, dados$Individuo, min)





Prof. Marcos escreveu:Oi, Carolina!

Muito obrigado!

Em relação ao erro: meu chute é que ele pode estar associado ao uso de acentuação... Não tenho certeza, mas não custa conferir.

Tente de novo:

Código:


    #Dados de exemplo:
    dados<-structure(list(Replica = c(1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L,
    5L, 1L, 2L, 3L, 4L, 5L), Individuo = structure(c(1L, 1L, 1L,
    1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L), .Label = c("a",
    "b", "c"), class = "factor"), Concentracao = c(52L, 76L, 99L,
    87L, 30L, 59L, 3L, 98L, 34L, 15L, 31L, 88L, 99L, 3L, 27L)), class = "data.frame", row.names = c(NA,
    -15L))

    dados

    #Maior concentração de todas:
    max(dados$Concentracao)

    #Quem é que tem a maior de todas, usando o valor que foi retornado acima:
    dados[dados$Concentracao==99, ]
    #Olha que interessante: temos dois valores que "empataram" como máximos.

    #Para o mínimo, é simples igual:
    min(dados$Concentracao)
    dados[dados$Concentracao==3, ]
    #Também tivemos um empate!

    #Qual o máximo e o mínimo por indivíduo?
    tapply(dados$Concentracao, dados$Individuo, max)
    tapply(dados$Concentracao, dados$Individuo, min)





CONSEGUIIIIII !!! VAI BRASIL!!!!!

Só ajustei a palavra Concentração sem o ç e o ˜ e Indivíduos sem o acento ´ .

To achando que vou precisar reorganizar os meus dados, para que eu fique com uma única coluna de concentrações, outra coluna com o dia e hr da coleta e outra com o nome do indivíduo, para que eu possa seguir o exemplo que me encaminhou.

Obrigada novamente professor, não desistiremos jamais...

Fantástico, Carolina! E não se preocupe, com o tempo fica cada vez mais fácil lidar com estes detalhes.

Em relação à divisão de colunas, observe que os gerenciadores de planilha podem ajudar: normalmente há uma opção de "texto para colunas" no menu 'dados', que em certas situações facilita imensamente o processo de quebra de uma coluna em várias separadas.