Unir todos los ficheros de texto de una carpeta con VBA en Excel

Problema

Deseamos unir y consolidar todos los ficheros de texto guardados en una carpeta en un fichero de texto único. Por ejemplo, como paso previo para importar el mismo en Excel, Access u otros programa.

Solución

El siguiente código unirá todos los ficheros con la extensión txt presentes en la ruta donde se ubica el fichero Excel ThisWorkbook.Path, con independencia del formato, columnas o encabezados. Insertamos un salto de línea vbCrLf delante de cada fichero.

1. Abrimos el Editor de Microsoft Visual Basic: Alt+F11.
2. Copiamos la siguiente subrutina en un módulo.

Sub Unir_Ficheros()
    Dim t As Single
    t = Timer
        c00 = ThisWorkbook.Path & "\" ' the path
        c01 = Dir(c00 & "*.txt")
            Do Until c01 = ""
                c02 = c02 & vbCrLf & CreateObject("scripting.filesystemobject").opentextfile(c00 & c01).readall
                c01 = Dir
            Loop
        CreateObject("scripting.filesystemobject").createtextfile(c00 & "nuevo_fichero.txt").write c02
    MsgBox Timer - t
End Sub

3. Ejecutamos la subrutina, F5.
4. Aparecerá un cuadro de diálogo mostrando el tiempo de ejecución de la subrutina.
5. En la carpeta en la que se ubica el Excel se habrá creado un fichero con el nombre: nuevo_fichero.txt.

Referencias

• Unir ficheros de texto con VBA Excel
• Unir ficheros de texto con VBA Access

Convertir de formato largo a ancho con sqldf en R

Problema

Deseamos transformar un data frame de formato largo a ancho. Partimos del siguiente data frame:

        name numbers      value
1  firstName       1 -0.3016990
2  firstName       2  0.4782982
3  firstName       3 -0.3274221
4  firstName       4  0.8950889
5 secondName       1 -1.3476795
6 secondName       2 -0.4671124
7 secondName       3 -1.0883609
8 secondName       4  1.8702156

Y queremos llegar a este otro. Con name como nombres de filas, cuatro columnas basadas en numbers y como valores, values.

                  X1         X2         X3        X4
firstName  -0.301699  0.4782982 -0.3274221 0.8950889
secondName -1.347680 -0.4671124 -1.0883609 1.8702156

Datos originales

dat1 <- structure(list(name = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 
2L), .Label = c("firstName", "secondName"), class = "factor"), 
    numbers = c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L), value = c(-0.301698990300544, 
    0.47829821507312, -0.327422119821659, 0.895088877410118, 
    -1.3476795169412, -0.467112422933039, -1.08836089961649, 
    1.87021564288651)), .Names = c("name", "numbers", "value"
), row.names = c(NA, -8L), class = "data.frame")

Solución

Paquete sqldf

Empleamos la sintaxis de SQL de sqldf para transformar o pivotar de formato largo a ancho. Empleamos MAX(CASE WHEN.

library(sqldf)
sqldf('SELECT name,
      MAX(CASE WHEN numbers = 1 THEN value ELSE NULL END) x1, 
      MAX(CASE WHEN numbers = 2 THEN value ELSE NULL END) x2,
      MAX(CASE WHEN numbers = 3 THEN value ELSE NULL END) x3,
      MAX(CASE WHEN numbers = 4 THEN value ELSE NULL END) x4
      FROM dat1
      GROUP BY name')

                  X1         X2         X3        X4
firstName  -0.301699  0.4782982 -0.3274221 0.8950889
secondName -1.347680 -0.4671124 -1.0883609 1.8702156

Entradas relacionadas

• Convertir de formato largo a ancho con la función unstack en R
• Convertir de formato largo a ancho usando una función de agregación en R
• Tablas de contingencia en R
• Transformar tabla de contingencia en tabla de de frecuencias

Referencias

• stackoveflow

Cambiar el orden de un diagrama de barras apiladas con ggplot2

Problema

Deseamos controlar el orden en el que se apilan las barras de un diagrama de barras en ggplot2.

• Gráfico original
Por defecto las barras se apilan alfabéticamente en función de la variable usada en el argumento fill.

library(reshape2)
library(ggplot2)
ra.melt <- melt(ra)
p <- ggplot(ra.melt, aes(x = variable, y = value))
p + geom_bar(aes(fill = quality), stat = "identity") + 
  labs(x = "group", y = "percentage (%)")

Comprobamos los niveles de la variable quality.

levels(ra.melt$quality)

 [1] "A"     "B"     "C"     "D"     "E"     "F"    
 [7] "G"     "H"     "I"     "J"     "K"     "L"    
[13] "M"     "other"

• Datos originales

ra <- structure(list(quality = structure(c(2L, 6L, 13L, 1L, 7L, 5L, 
10L, 4L, 3L, 9L, 11L, 12L, 8L, 14L), .Label = c("A", "B", "C", 
"D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "other"), class = "factor"), GY = c(25.5932389, 13.9567819, 11.7333, 8.6439, 7.8351008, 
    8.29, 6.059643, 3.8608517, 4.3277, 3.1710598, 1.2021144, 
    1.0986329, 0.9369271, 3.2907496), TH = c(23.0215577, 15.8975387, 
    10.5075, 7.8888, 8.8121504, 8.276, 6.4356378, 3.9147685, 
    5.4838, 3.9339386, 1.3921565, 0.742406, 0.8795013, 2.8142444
    ), SZ = c(21.217152, 16.0363831, 11.154, 8.5094, 7.945884, 
    10.2717, 5.4962929, 4.1381946, 5.1141, 3.4053352, 1.8472827, 
    1.0648934, 0.9792861, 2.820096), DZ = c(23.7548859, 14.4732136, 
    12.1292, 10.4722, 8.0838209, 7.0575, 5.144598, 4.174118, 
    5.4004, 3.1940577, 1.4427867, 1.1323864, 0.8986281, 2.6422047
    ), FP = c(19.9848602, 16.420735, 12.9683, 11.2059, 7.5143706, 
    6.8747, 5.8653262, 5.5412901, 4.182, 3.5347168, 1.3838249, 
    0.8811604, 0.8585596, 2.7842562)), .Names = c("quality", 
"GY", "TH", "SZ", "DZ", "FP"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", 
"14"))

Solución

• En el orden original del data frame

ra.melt$quality <- factor(ra.melt$quality, levels = ra$quality)
p <- ggplot(ra.melt, aes(x = variable, y = value))
p + geom_bar(aes(fill = quality), stat = "identity") + 
    labs(x = "group", y = "percentage (%)")

factor(ra.melt$quality, levels = ra$quality)

 [1] B     F     M     A     G     E     J     D    
 [9] C     I     K     L     H     other B     F    
[17] M     A     G     E     J     D     C     I    
[25] K     L     H     other B     F     M     A    
[33] G     E     J     D     C     I     K     L    
[41] H     other B     F     M     A     G     E    
[49] J     D     C     I     K     L     H     other
[57] B     F     M     A     G     E     J     D    
[65] C     I     K     L     H     other
Levels: B F M A G E J D C I K L H other

• En el orden reverso del original

ra.melt$quality <- factor(ra.melt$quality, levels = rev(ra$quality))
p <- ggplot(ra.melt, aes(x = variable, y = value))
p + geom_bar(aes(fill = quality), stat = "identity") +  
    labs(x = "group", y = "percentage (%)")

factor(ra.melt$quality, levels = rev(ra$quality))

 [1] B     F     M     A     G     E     J     D    
 [9] C     I     K     L     H     other B     F    
[17] M     A     G     E     J     D     C     I    
[25] K     L     H     other B     F     M     A    
[33] G     E     J     D     C     I     K     L    
[41] H     other B     F     M     A     G     E    
[49] J     D     C     I     K     L     H     other
[57] B     F     M     A     G     E     J     D    
[65] C     I     K     L     H     other
Levels: other H L K I C D J E G A M F B

O alternativamente, usamos la función fct_rev

library(forcats)
p <- ggplot(ra.melt, aes(x = variable, y = value))
p + geom_bar(aes(fill = fct_rev(quality)), stat = "identity") + 
  labs(x = "group", y = "percentage (%)")

• Si deseamos invertir el orden de las barras pero no de la leyenda, usamos el position_stack(reverse = TRUE)

p <- ggplot(ra.melt, aes(x = variable, y = value))
p + geom_bar(aes(fill = fct_rev(quality)), stat = "identity", position = position_stack(reverse = TRUE)) + labs(x = "group", y = "percentage (%)")

Referencias

• geom_bar
• stacking bars
• stackoverflow

Entradas relacionadas

• Destacar una barra de un diagrama de barras con ggplot2
• Diagramas de caja con ggplot2 en R. Una introducción.
• Destacar subconjunto de puntos en un diagrama de dispersión con ggplot2
• Etiquetar los puntos de un diagrama de dispersión con ggplot2
• Etiquetar selectivamente los puntos de un diagrama de dispersión con ggplot2
• Diagramas de dispersión con el paquete car en R

Crear diagramas de dispersión dinámicos con manipulate en R

Problema

El paquete manipulate nos permite modificar gráficos interactivamente en RStudio mediante controles deslizantes, selectores, casillas y botones. En este ejemplo, crearemos un diagrama de dispersión en el que podremos seleccionar dinámicamente las columnas del data frame a representar en cada eje.

Solución

• Creamos la función
Dentro de plot utilizamos los argumentos de cada eje seleccionado: xaxis y yaxis. Usamos controles deslizantes (sliders) para manipular el gráfico. Fijamos los valores iniciales en 1 y 2.

library(manipulate)
scatterplot <- function(dataset){
  vars <- as.list(names(dataset))
  name <- sys.call()[[2]]
manipulate(
  plot(dataset[, xaxis] ~ dataset[, yaxis], 
       xlab = colnames(dataset)[xaxis],
       ylab = colnames(dataset)[yaxis], 
       main = as.character(name)),   
  xaxis = slider(1, as.numeric(dim(dataset)[2]), initial = 1), 
  yaxis = slider(1, as.numeric(dim(dataset)[2]), initial = 2)  
  )
}

• Indicamos data frame a representar

scatterplot(mtcars)

Resultado

En los controles deslizantes aparecen las 11 columnas del data frame mtcars. Al seleccionar una columna en el control deslizante se actualizarán las datos representados, el título principal y los títulos de los ejes. Si la columna seleccionada no fuera numérica, no se representará un diagrama de dispersión.

Entradas relacionadas

• Subconjunto de estadísticas descriptivas en R

Referencias

• stackoverflow

Filtrar una tabla de contingencia en R

Problema

Deseamos filtrar una tabla de contigencia. En nuestro ejemplo con el conjunto de datos chickwts, aquellos que tengan un factor de feed mayor que 11.

table(chickwts$feed)

   casein horsebean   linseed  meatmeal   soybean sunflower 
       12        10        12        11        14        12

Solución

• Paquete base

Utilizando la función subset.

subset(data.frame(table(chickwts$feed)), Freq > 11)

• dplyr

library(dplyr)
chickwts %>% 
  count(feed) %>%
  filter(n > 11) 

Resultado

 # base
      Var1 Freq
1    casein   12
3   linseed   12
5   soybean   14
6 sunflower   12

# dplyr

# A tibble: 4 × 2
       feed     n
      
1    casein    12
2   linseed    12
3   soybean    14
4 sunflower    12

Entradas relacionadas

• Subconjunto de estadísticas descriptivas en R

Referencias

• stackoverflow

Cómo dividir un data frame en partes iguales y quedarnos con una de ellas

Problema

Queremos dividir un data frame en 5 partes iguales y quedarnos con una de ellas, en nuestro ejemplo la tercera.

df<- data.frame(data=(1:100))

library(tibble)
as_tible(df)

# A tibble: 100 × 1
    data
   
1      1
2      2
3      3
4      4
5      5
6      6
7      7
8      8
9      9
10    10
# ... with 90 more rows

Solución

Creamos una columna con la función ntile que nos indica cada una de las 5 partes del data frame. Filtramos el data frame quedándonos con la tercera parte.

library(dplyr)
df[ntile(df$data, 5) == 3, ]
df %>% 
  mutate(n = ntile(data, 5)) %>% 
  filter(n == 3) %>% 
  select(data)

Resultado

   data
1    41
2    42
3    43
4    44
5    45
6    46
7    47
8    48
9    49
10   50
11   51
12   52
13   53
14   54
15   55
16   56
17   57
18   58
19   59
20   60

Entradas relacionadas

• Dividir y guardar como ficheros subconjuntos de un data frame con R
• Dividir aleatoriamente los datos en dos partes con R
• Muestra aleatoria de filas de un data frame en R
• Muestra aleatoria de filas por grupos en R

Referencias

• stackoverflow