[Pxr-commits] cambios en read.px

[Carlos J. Gil Bellosta]

Hola, ¿qué tal?

Óscar, tocas tres temas en tu correo:

1) Uno relativo a encodings.
2) Otro, sobre cleanDat.
3) El último, sobre estilo de programación.

Voy a abrir un hilo independiente sobre cada uno de ellos.

Un saludo,

Carlos J. Gil Bellosta
http://www.datanalytics.com

El día 24 de agosto de 2011 04:11, Oscar Perpiñan Lamigueiro
<oscar.perpinan at upm.es> escribió:
> Hola,
>
> Al intentar abrir el fichero
> http://www.ine.es/inebase/fic/px/l0/EPOB_es_6.px, ese que daba
> problemas por su tamaño y que motivó el uso de useBytes=TRUE en
> strsplit, he tenido problemas. R cometía una violación de segmento y
> fuera. Revisando el código de read.px he visto que faltaba añadir
> useBytes=TRUE en otra línea más. Al añadirlo he conseguido descargar el
> fichero sin problemas.
>
> Sin embargo, la lectura del fichero tarda unos 10 segundos
> (con el fichero ya descargado en local). Revisando con
> RProf he comprobado que la mayor carga se la llevan las funciones
> break.clean y cleanDat tirando de strsplit. Se me ha ocurrido una forma
> alternativa de extraer los valores numéricos de DATA$value: en lugar de
> usar la combinación de strsplit y gsub que tenemos en cleanDat, uso una
> combinación de textConnection con scan. Ahora tarda algo menos de 2
> segundos en leer el fichero. Hay que especificar el "dot code" que se
> usa como "missing". Veo que en el INE usan "." (por ejemplo,
> http://www.ine.es/inebase/fic/px/l0/EPA_es_25.px), así que he añadido un
> argumento adicional en read.px y le he asignado ese valor por defecto.
>
> Por último, he añadido "encod.from='UTF-8'" en el ejemplo de read.px
> para que los caracteres salgan bien.
>
> Después de pasar el R CMD check, usar los ejemplos y descargar varios
> ficheros de internet, todo va bien. Pero, por favor, probadlo vosotros.
>
> ¿Cuándo os parece bien que subamos una nueva versión a CRAN? Con las
> nuevas funciones as.px y write.px, y los bugs arreglados parece que
> toca, ¿no?
>
> Saludos.
>
> Oscar.
>
> PD. Un comentario sin mayor importancia: veo que en parte del código
> hay espacios alrededor de los paréntesis. A mí me resulta extraño y, la
> verdad, algo incómodo para leer el código. ¿Los necesitáis así por
> alguna razón?
> _______________________________________________
> Pxr-commits mailing list
> Pxr-commits at lists.r-forge.r-project.org
> https://lists.r-forge.r-project.org/cgi-bin/mailman/listinfo/pxr-commits
>