Análisis de archivos TSV y de ancho fijo
Use read_tsv() y read_fwf() para datos separados por tabulaciones y de ancho fijo.
Análisis de archivos TSV y de ancho fijo es una lección gratuita de R Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de R Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de R Academy incluye 4 lecciones en total.
Más allá de CSV: otros formatos de archivo
No todos los datos tabulares se presentan como CSV. Los archivos separados por tabulaciones (TSV), los archivos delimitados por barras verticales y los archivos de ancho fijo (FWF) son habituales en datos gubernamentales, sistemas heredados y bases de datos científicas. El paquete readr gestiona todos estos formatos con una sintaxis coherente.
library(readr)
# readr's flat file readers:
# read_csv() - comma-separated
# read_csv2() - semicolon-separated (European)
# read_tsv() - tab-separated
# read_delim() - any delimiter
# read_fwf() - fixed-width format
# read_lines() - raw text, one line per element
cat('All readr functions return tibbles with the same interface!')read_tsv() — Valores separados por tabulaciones
read_tsv() lee archivos delimitados por tabulaciones. Tiene los mismos argumentos que read_csv(): col_types, na, skip, etc. Se prefiere TSV a CSV cuando los datos contienen comas, por ejemplo, en direcciones o descripciones.
library(readr)
# Simulated TSV using \t as delimiter
tsv_data <- 'name\tscore\tcity
Alice Smith\t85\tNew York, NY
Bob Jones\t92\tLos Angeles, CA
Carol White\t78\tChicago, IL'
# Note: cities contain commas — TSV handles this cleanly
df <- read_tsv(tsv_data, show_col_types=FALSE)
print(df)read_delim() — Cualquier delimitador
read_delim(file, delim='|') admite cualquier delimitador de un solo carácter. Los archivos delimitados por barras verticales (|) son habituales en almacenes de datos y exportaciones gubernamentales porque es poco frecuente que las barras aparezcan en los propios datos.
library(readr)
# Pipe-delimited data
pipe_data <- 'ID|Name|Department|Salary
1|Alice Smith|Engineering|95000
2|Bob Jones|Marketing|72000
3|Carol White|HR|65000'
df <- read_delim(pipe_data, delim='|', show_col_types=FALSE)
print(df)read_delim() para archivos separados por punto y coma
Los archivos CSV europeos suelen usar punto y coma como delimitador y comas como separadores decimales. read_csv2() es un atajo para read_delim(delim=';', locale=locale(decimal_mark=',')), aunque también puede configurar read_delim() directamente.
library(readr)
# European-style: semicolon delimiter, comma decimal
european_data <- 'name;price;quantity
Widget;9,99;100
Gadget;24,50;50
Sprocket;4,75;200'
# Method 1: read_csv2() shortcut
df1 <- read_csv2(european_data, show_col_types=FALSE)
print(df1)
# Method 2: explicit read_delim
# read_delim(data, delim=';', locale=locale(decimal_mark=','))read_fwf() — Formato de ancho fijo
Los archivos de ancho fijo no tienen delimitadores: las columnas se identifican por sus posiciones de caracteres. Son habituales en exportaciones de mainframes antiguos y datos gubernamentales. Use fwf_widths() para especificar los anchos de columna o fwf_cols() para indicar las posiciones inicial y final.
library(readr)
# Fixed-width data (positions matter!)
fwf_data <- 'Alice 085NYC
Bob 092LA
Carol 078Chicago '
# Column widths: name=9, score=3, city=10
df <- read_fwf(
fwf_data,
col_positions = fwf_widths(
widths = c(9, 3, 10),
col_names = c('name','score','city')
),
show_col_types = FALSE
)
print(df)fwf_positions() para columnas iniciales y finales
fwf_positions(start, end, col_names) especifica las posiciones exactas de inicio y fin de los caracteres (con índices desde 1). Es una opción precisa cuando los anchos de columna varían o cuando necesita omitir algunas columnas sin especificarlas.
library(readr)
# Another fixed-width example using start/end positions
fwf_data <- '001ALICE 02024-01-15
002BOB 01 2024-02-20
003CAROL 03 2024-03-10'
df <- read_fwf(
fwf_data,
col_positions = fwf_positions(
start = c(1, 4, 11, 14),
end = c(3, 10, 12, 23),
col_names = c('id','name','score','date')
),
show_col_types = FALSE
)
print(df)fwf_empty() — Detectar automáticamente el ancho
fwf_empty(file, col_names) intenta detectar automáticamente los límites de las columnas basándose en los espacios en blanco. Proporcione los nombres de las columnas por separado. Funciona mejor con archivos FWF bien formateados y con espaciado uniforme.
library(readr)
# Well-spaced fixed-width data
fwf_data <- 'name score grade
Alice 85 B
Bob 92 A
Carol 78 C
Dave 88 B'
# Auto-detect column positions from whitespace
df <- read_fwf(
fwf_data,
col_positions = fwf_empty(fwf_data, col_names=c('name','score','grade')),
show_col_types = FALSE
)
print(df)read_lines() — Analizar texto sin procesar
read_lines(file) lee un archivo de texto línea por línea y devuelve un vector de caracteres. Es la función de lectura de más bajo nivel; úsela cuando necesite preprocesar las líneas antes de analizarlas, por ejemplo, para filtrar comentarios o gestionar formatos incoherentes.
library(readr)
# Read lines and filter manually
raw_text <- '# Comment line
# Another comment
name,score
Alice,85
Bob,92'
lines <- read_lines(raw_text)
print(lines)
# Filter out comment lines
clean_lines <- lines[!startsWith(lines, '#')]
df <- read_csv(paste(clean_lines, collapse='\n'), show_col_types=FALSE)
print(df)read_lines() para inspección incremental
read_lines(file, n_max=10) previsualiza solo las primeras líneas de cualquier archivo de texto antes de realizar una lectura completa. Esto resulta útil para diagnosticar problemas de codificación, encontrar la fila de encabezado real o detectar el tipo de delimitador.
library(readr)
# Preview first few lines before reading
sample_file <- 'METADATA: version 1.2
DATE: 2024-01-15
---
id,name,value
1,Alice,100
2,Bob,200'
# Inspect to find where the data starts
preview <- read_lines(sample_file, n_max=4)
print(preview)
# From this we know: skip=3, then read as CSVGestionar problemas de codificación
Los caracteres no ASCII (acentos y alfabetos no latinos) requieren especificar la codificación correcta. Use locale(encoding='latin1') o locale(encoding='UTF-8') dentro de read_csv() o read_delim(). La codificación predeterminada es UTF-8.
library(readr)
# Detect encoding of a file
# readr::guess_encoding('file.csv') # Returns likely encodings
# Specify encoding explicitly
# df <- read_csv('data_latin1.csv',
# locale = locale(encoding = 'latin1'))
# For UTF-8 with BOM (common in Windows exports):
# df <- read_csv('data_utf8bom.csv',
# locale = locale(encoding = 'UTF-8-BOM'))
cat('Encoding matters for accented chars: \xc3\xa9 (UTF-8 for e-acute)\n')
print(guess_encoding(chartr('\xe9','e','caf\xe9')))Elegir el lector adecuado
Guía rápida para elegir la función correcta de readr:
- Comas →
read_csv() - Puntos y comas + decimales europeos →
read_csv2() - Tabulaciones →
read_tsv() - Otros delimitadores →
read_delim(delim='|') - Posiciones fijas →
read_fwf() - Inspección de texto sin procesar →
read_lines()
library(readr)
# Quick comparison of delimiters
csv_data <- 'a,b,c\n1,2,3'
tsv_data <- 'a\tb\tc\n1\t2\t3'
pipe_data <- 'a|b|c\n1|2|3'
read_csv(csv_data, show_col_types=FALSE)
read_tsv(tsv_data, show_col_types=FALSE)
read_delim(pipe_data, delim='|', show_col_types=FALSE)Comprobación rápida
¿Qué función de readr es la opción más adecuada para leer un archivo cuyas columnas están definidas por posiciones fijas de caracteres (sin delimitadores)?
Resumen: archivos TSV y de ancho fijo
Ideas clave sobre los formatos de archivos planos que no son CSV:
read_tsv()— separado por tabulaciones; ideal cuando los datos contienen comasread_delim(delim='|')— cualquier delimitador de un solo carácterread_csv2()— separado por punto y coma, con separadores decimales europeosread_fwf(fwf_widths(c(10,5,8)))— ancho fijo mediante anchos de columnaread_fwf(fwf_positions(start, end))— ancho fijo mediante posiciones exactasread_lines(file, n_max=10)— inspecciona las líneas sin procesar antes del análisis- Todas las funciones comparten los argumentos
col_types,na,skipylocale()
library(readr)
# Pipe-delimited with custom NA values
df <- read_delim(
'ID|Name|Score|City
1|Alice|85|NYC
2|Bob|N/A|N/A
3|Carol|78|Chicago',
delim = '|',
na = c('', 'NA', 'N/A'),
show_col_types = FALSE
)
print(df)
print(colSums(is.na(df)))Aprende R con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 43
- Lecciones
- 159
Preguntas frecuentes
¿La lección «Análisis de archivos TSV y de ancho fijo» es gratis?
Sí — el texto completo de «Análisis de archivos TSV y de ancho fijo» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de R Academy, actualiza a CoddyKit PRO. El curso de R Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Análisis de archivos TSV y de ancho fijo»?
Use read_tsv() y read_fwf() para datos separados por tabulaciones y de ancho fijo. Practicas R Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar R Academy?
No se requiere experiencia previa. R Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Análisis de archivos TSV y de ancho fijo»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de R Academy?
Sí. Cada lección de R Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Lectura de archivos CSV con read_csv()
- Análisis de archivos TSV y de ancho fijo
- Importación de archivos de Excel con readxl
- Escritura de datos en varios formatos