Analisando arquivos TSV e de largura fixa
Use read_tsv() e read_fwf() para dados separados por tabulação e de largura fixa.
Analisando arquivos TSV e de largura fixa é uma aula grátis de R Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de R Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de R Academy inclui 4 aulas no total.
Além de CSV: outros formatos de arquivo
Nem todos os dados tabulares são fornecidos como CSV. Arquivos separados por tabulação (TSV), arquivos delimitados por barras verticais e arquivos de formato de largura fixa (FWF) são comuns em dados governamentais, sistemas legados e bancos de dados científicos. O pacote readr lida com todos esses formatos usando uma sintaxe consistente.
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 tabulação
read_tsv() lê arquivos delimitados por tabulação. Ele aceita os mesmos argumentos que read_csv() — col_types, na, skip etc. TSV é preferível a CSV quando os dados contêm vírgulas, como em endereços e descrições.
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() — qualquer delimitador
read_delim(file, delim='|') lida com qualquer delimitador de um único caractere. Arquivos delimitados por barras verticais (|) são comuns em armazéns de dados e exportações governamentais, pois as barras verticais raramente aparecem nos próprios dados.
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 arquivos separados por ponto e vírgula
Arquivos CSV europeus costumam usar ponto e vírgula como delimitador e vírgula como separador decimal. read_csv2() é um atalho para read_delim(delim=';', locale=locale(decimal_mark=',')); você também pode configurar read_delim() diretamente.
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 largura fixa
Arquivos de largura fixa não têm delimitadores — as colunas são identificadas por suas posições de caracteres. São comuns em exportações de computadores centrais legados e em dados governamentais. Use fwf_widths() para especificar as larguras das colunas ou fwf_cols() para as posições inicial e 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 colunas inicial e final
fwf_positions(start, end, col_names) especifica as posições exatas inicial e final dos caracteres (com índice iniciado em 1). Isso é preciso quando as larguras das colunas variam ou quando você precisa ignorar algumas colunas não as especificando.
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() — detectando automaticamente as larguras
fwf_empty(file, col_names) tenta detectar automaticamente os limites das colunas com base nos intervalos de espaços em branco. Forneça os nomes das colunas separadamente. Funciona melhor com arquivos FWF bem formatados e com espaçamento consistente.
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() — análise de texto bruto
read_lines(file) lê um arquivo de texto uma linha por vez, retornando um vetor de caracteres. Essa é a função de leitura de nível mais baixo — use-a quando precisar pré-processar as linhas antes da análise, por exemplo, para filtrar comentários ou lidar com formatos inconsistentes.
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 inspeção incremental
read_lines(file, n_max=10) visualiza apenas as primeiras linhas de qualquer arquivo de texto antes de você realizar uma leitura completa. Isso é útil para diagnosticar problemas de codificação, encontrar a linha de cabeçalho real ou detectar o 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 CSVLidando com problemas de codificação
Caracteres que não são ASCII (acentos e alfabetos não latinos) exigem a especificação da codificação correta. Use locale(encoding='latin1') ou locale(encoding='UTF-8') dentro de read_csv() ou read_delim(). O padrão é 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')))Escolhendo a função de leitura correta
Guia rápido para escolher a função correta do readr:
- Vírgulas →
read_csv() - Ponto e vírgula + decimais europeus →
read_csv2() - Tabulações →
read_tsv() - Outros delimitadores →
read_delim(delim='|') - Posições fixas →
read_fwf() - Inspeção bruta →
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)Verificação rápida
Qual função do readr é a melhor escolha para ler um arquivo cujas colunas são definidas por posições fixas de caracteres, sem delimitadores?
Recapitulação: arquivos TSV e de largura fixa
Principais conclusões sobre formatos de arquivos simples que não são CSV:
read_tsv()— separado por tabulações; melhor quando os dados contêm vírgulasread_delim(delim='|')— qualquer delimitador de um único caractereread_csv2()— separado por ponto e vírgula, com separadores decimais europeusread_fwf(fwf_widths(c(10,5,8)))— largura fixa definida pelas larguras das colunasread_fwf(fwf_positions(start, end))— largura fixa definida por posições exatasread_lines(file, n_max=10)— inspeciona as linhas brutas antes da análise- Todas as funções compartilham os mesmos argumentos
col_types,na,skipelocale()
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)))Aprenda R com um tutor de IA — grátis
Escreva e execute código real no seu navegador, obtenha ajuda instantânea de um tutor de IA 24/7 e continue de onde parou na web ou no app.
- Cursos
- 43
- Aulas
- 159
Perguntas Frequentes
A aula “Analisando arquivos TSV e de largura fixa” é grátis?
Sim — o texto completo de “Analisando arquivos TSV e de largura fixa” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de R Academy, atualize para CoddyKit PRO. O curso de R Academy inclui 4 aulas no total.
O que vou aprender em “Analisando arquivos TSV e de largura fixa”?
Use read_tsv() e read_fwf() para dados separados por tabulação e de largura fixa. Você pratica R Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar R Academy?
Nenhuma experiência prévia é necessária. R Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Analisando arquivos TSV e de largura fixa”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de R Academy?
Sim. Cada aula de R Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Lendo arquivos CSV com read_csv()
- Analisando arquivos TSV e de largura fixa
- Importando arquivos do Excel com readxl
- Gravando dados em vários formatos