R es un lenguaje de programación popular para el análisis de datos y, a menudo, se usa para crear y manipular objetos de datos. Los archivos RDS (R Data Serialization) son un formato común para guardar objetos R en RStudio y le permiten conservar el estado de un objeto entre sesiones R. Guardar su objeto R como un archivo RDS en R puede ser útil para compartir su trabajo con otros, replicar su análisis o simplemente almacenar su trabajo para su uso posterior.
En este tutorial, aprenderá cómo guardar y cargar objetos desde un archivo RDS en R. Este blog también cubrirá cómo importar objetos desde R a LuckyTemplates .
Cubriremos los conceptos básicos para guardar y cargar archivos RDS en R. Explicaremos qué son los archivos RDS y cómo funcionan, y lo guiaremos a través del proceso de guardar un objeto R como un archivo RDS y luego volver a cargar ese archivo. en R. También le brindaremos algunos consejos y trucos para ayudarlo a trabajar con archivos RDS de manera más eficiente.
Tabla de contenido
Preparando el archivo
Para esta demostración, usaremos el paquete Lahman que contiene datos de béisbol. También usaremos el paquete tidyverse para el análisis básico.
El paquete Lahman contiene un conjunto de datos llamado Salarios. El objetivo es crear una tabla que contenga información sobre el año, el nombre del jugador y sus salarios individuales y acumulativos.
Primero, asignemos el conjunto de datos Salarios a las ganancias. Luego, filtre la información innecesaria del conjunto de datos usando la función de selección ( ) . A continuación, organice los datos organizándolos según el ID del jugador y el ID del año. Los datos se agrupan aún más según playerID.
El operador de tubería , denotado por %>% , se usa para alimentar los resultados de una operación en la siguiente operación debajo de ella.
Para crear una nueva columna que contenga los salarios acumulados de los jugadores, necesitamos usar la función mutate ( ) junto con la función cumsum ( ) . Cuando ejecute el código, obtendrá una tabla con información sobre el año, el jugador, el salario y el salario acumulado.
Sin embargo, es difícil identificar a los jugadores basándose únicamente en el número de identificación. Necesitamos agregar columnas que muestren el nombre del jugador. Hágalo utilizando la función de selección ( ) . En el siguiente código, la función left_join ( ) se usa para unir las dos tablas.
Para ver la nueva tabla, ejecute el objeto. La función head ( ) se utiliza para devolver las primeras filas de una tabla.
Si desea verificar la precisión del resultado, puede usar el operador de igualdad que se denota con dos signos de igual ( == ).
Guardar un archivo RDS en R
Guardar un objeto como un archivo RDS en R le permite trabajar en él más tarde, a diferencia de un archivo con una extensión CSV.
Para guardar un archivo con extensión RDS, utilice la función write_rds ( ) . Puede ver que pertenece al paquete readr dentro de Lahman.
En el argumento, escriba el nombre del objeto R y la ubicación donde desea guardar el archivo.
Si abre una nueva sesión de RStudio, puede volver a ver el objeto utilizando la función read_rds ( ) .
Abra un objeto en LuckyTemplates usando un archivo RDS en R
Para abrir un objeto con una extensión RDS en LuckyTemplates, haga clic en la opción Obtener datos en la pestaña Inicio y seleccione Más .
En el asistente Obtener datos , seleccione R Script y luego haga clic en Conectar .
En el cuadro de texto, escriba el paquete de la biblioteca junto con la misma línea de código utilizada para abrir el archivo RDS en RStudio. Luego, haga clic en Aceptar .
Una vez que se carga el archivo, puede abrirlo en Power Query y realizar cambios adicionales. Pero se recomienda limpiar y pulir los datos y la tabla en RStudio antes de importar el archivo a LuckyTemplates.
Conclusión
Un archivo RDS es una forma conveniente y eficiente de guardar y compartir objetos R, como marcos de datos, modelos y listas. Se pueden leer y escribir fácilmente, y son una gran alternativa a otros formatos de archivo como CSV o Excel.
Además, los archivos RDS mantienen la integridad y la estructura de los objetos R, lo que los hace ideales para proyectos de modelado y análisis de datos. Son una herramienta esencial para cualquier usuario de R y pueden simplificar enormemente el proceso de trabajo con datos en R.
Mis mejores deseos,
monte george
Es una buena idea guardar la imagen de tu espacio de trabajo cuando tus sesiones de trabajo sean largas.
Esto se puede hacer en cualquier momento usando la función save.image()
guardar imagen()
Eso almacena su espacio de trabajo en un archivo llamado .RData de forma predeterminada. Esto garantizará que no pierda todo su trabajo en caso de reiniciar el sistema, por ejemplo.
Cuando cierra R/RStudio, le pregunta si desea guardar su espacio de trabajo. Si dice que sí, la próxima vez que inicie R se cargará ese espacio de trabajo. Ese archivo guardado también se llamará .RData.
También es posible especificar el nombre del archivo para guardar su espacio de trabajo:
save.image(archivo = "mi_espacio_de_trabajo.RData")
Para restaurar su espacio de trabajo, escriba esto:
cargar("mi_espacio_de_trabajo.RData")
Descubra cómo calcular el total de transacciones realizadas en los últimos N días y obtenga información útil utilizando la inteligencia de tiempo en LuckyTemplates.
En este tutorial, demuestro cómo mostrar clústeres en sus datos permite extraer información valiosa usando técnicas DAX avanzadas.
En este tutorial, aprenderá a calcular la <strong>población actual del personal</strong> para las relaciones múltiples de la tabla de calendario mediante la función COUNTROWS y FILTER en LuckyTemplates.
Aprenda a crear una solicitud HTTP con Power Automate y cómo implementar soluciones efectivas para la automatización de tareas.
En este tutorial, aprenda cómo programar un flujo de escritorio en Power Automate para automatizar tareas en la web y su escritorio.
Aprenda a usar correctamente el control Terminar acción de Power Automate que termina las acciones en un flujo si no se cumple alguna de las condiciones.
Aprenda a combinar archivos de varias carpetas en su red, escritorio, OneDrive o SharePoint utilizando Power Query.
En este blog, analizamos las similitudes y diferencias entre los tipos de flujo de Power Automate y determinamos cuándo usar cada flujo. Encuentra la mejor opción de automatización.
Familiarízate con algunos conectores Power Automate integrados que transforman cadenas en otro formato: número, texto y fecha y hora.
Este tutorial detallado sobre el analizador VertiPaq en DAX Studio le enseñará cómo usar la pestaña Relaciones para optimizar su DAX y resolver problemas de integridad referencial.
