As funções do base para leitura de tabelas são suficientes para atender a maioria dos casos. No entanto, elas são relativamente lentas, e existem alternativas mais rápidas caso sejam muitos arquivos e/ou eles sejam muito grandes, que também possuem outras pequenas vantagens.
O pacote readr
foi criado exatamente com o objetivo de melhorar as funções padrão, nos seguintes pontos:
Os argumentos possuem nomes mais consistentes um com os outros (e.g. col_names
e col_types
e não header
and colClasses
).
Sâo aproximadamente 10x mais rápidas.
Mostram uma progress bar caso a leitura demore mais que alguns segundos.
Strings não são transformadas em fatores por padrão.
Os nomes das colunas não são transformados em expressões "válidas" do R, ou seja, as colunas mantém o nome idêntico ao original (mesmo que comecem com número, possuam espaço, etc).
Neste pacote as funções possuem nome similar às do base
, substituindo o ponto por um underscore (_). Por exemplo:
#base:
variavel <- read.table("dados.csv", header=T, dec=",", sep=";")
variavel <- read.csv2("dados.csv", header=T)
#readr
library(readr)
variavel <- read_csv2("dados.csv")
De forma análoga, existem as funções read_csv()
, read_table()
, read_delim()
, read_tsv()
, read_lines()
e read_fwf()
.
Outra alternativa, também, é a função fread()
do pacote data.table
. A fread()
é ainda mais rápida (cerca de 2x) que as funções do pacote readr
, e tenta identificar automaticamente o separador, se há nome de colunas, etc. A função fread()
possui argumentos com nomes iguais aos das funções do base
, como sep
, header
e stringsAsFactors
. Neste exemplo, ficaria assim:
library(data.table)
variavel <- fread("dados.csv", sep = ";", header = TRUE)
Dependendo do formato dos dados, sep
e header
podem ser omitidos, mas na dúvida, é mais seguro colocá-los de forma explícita.
Para finalizar, é importante frisar que só faz sentido usar essas funções se a performance da leitura for um problema, ou se o pacote já for carregado de qualquer forma (no caso do data.table
). Caso contrário, não há necessidade de carregar um pacote para fazer algo que pode ser feito de forma idêntica no base
.