Skip to content

[R-es] A vueltas con los UTF-8 en RStudio

6 messages · Javier Marcuzzi, Jorge Ayuso Rejas, Emilio L. Cano +1 more

Original
PEDRO CONCEJERO CEREZO
# 
Hola, otra vez a vueltas con los UTF8, seguro que es un tema sempiterno de esta lista y que ya se ha contestado, regannadme por ello (y por escribir sin acentos).
Genero un .rda en unix con el system default UTF8 y me lo traigo a un windows.
Tengo el Rstudio en windows configurado con Global Options > Default text encoding UTF8.
Cargo el .rda con load y nada, los acentos a la porra. Vamos, que pasa de mi y de mi configuracion.
¿Hay alguna forma de forzar a load a cargar con text encoding UTF8?
He probado esto y mirad lo que me dice:
[1] ""
Warning message:
In Sys.setlocale(category = "LC_ALL", locale = "Spanish_Spain.UTF-8") :
  OS reports request to set locale to "Spanish_Spain.UTF-8" cannot be honored
Y ahora que estoy lanzado, ¿como cambio el juego de caracteres por defecto en consola, no en RStudio?

Mis versiones de RStudio:
Version 0.98.953 en windows
Version 0.98.1074 (server) en unix (centos creo que es el SO)

Saludos!

--
Pedro Concejero
E-mail: pedro.concejerocerezo en telefonica.com<mailto:pedro.concejerocerezo en telefonica.com>
skype: pedro.concejero
twitter @ConcejeroPedro<https://twitter.com/ConcejeroPedro>
linkedin pedroconcejero<http://www.linkedin.com/in/pedroconcejero/es>
Entusiasta R, me encontrareis aqui gRupo R madRid <http://madrid.r-es.org/>

________________________________

Este mensaje y sus adjuntos se dirigen exclusivamente a su destinatario, puede contener información privilegiada o confidencial y es para uso exclusivo de la persona o entidad de destino. Si no es usted. el destinatario indicado, queda notificado de que la lectura, utilización, divulgación y/o copia sin autorización puede estar prohibida en virtud de la legislación vigente. Si ha recibido este mensaje por error, le rogamos que nos lo comunique inmediatamente por esta misma vía y proceda a su destrucción.

The information contained in this transmission is privileged and confidential information intended only for the use of the individual or entity named above. If the reader of this message is not the intended recipient, you are hereby notified that any dissemination, distribution or copying of this communication is strictly prohibited. If you have received this transmission in error, do not read it. Please immediately reply to the sender that you have received this communication in error and then delete it.

Esta mensagem e seus anexos se dirigem exclusivamente ao seu destinatário, pode conter informação privilegiada ou confidencial e é para uso exclusivo da pessoa ou entidade de destino. Se não é vossa senhoria o destinatário indicado, fica notificado de que a leitura, utilização, divulgação e/ou cópia sem autorização pode estar proibida em virtude da legislação vigente. Se recebeu esta mensagem por erro, rogamos-lhe que nos o comunique imediatamente por esta mesma via e proceda a sua destruição
Javier Marcuzzi
# 
Estimado Pedro Concejero Cerezo

¿Que tal una prueba? Pienso en que genere una archivo .rda con Rstudio en
windows, con los acentos, luego los mueva de carpeta y ver si están los
acentos al usarlo desde su nueva ubicación.

Pienso en un problema de windows, porque a mi me paso con archivos Rnw, con
acentos, utf8, pero no el acento en latex, o mejor dicho, usando la
localización y configuración es español donde latex permite acentos, y al
mover el archivo, o enviarlo al respaldo y traerlo nuevamente, los acentos
desaparecen.

Javier Marcuzzi

El 9 de abril de 2015, 10:32, Pedro Concejero Cerezo <
pedro.concejerocerezo en telefonica.com> escribió:

  
  


  


      

    

    

      
      

        


  

        

      Javier Marcuzzi
    

    

      
      #
    

  


  

      
Estimado Pedro Concejero Cerezo

Una idea puede ser lo siguiente (no lo se)
http://stackoverflow.com/questions/18837855/making-non-ascii-data-suitable-for-cran

Javier Rubén Marcuzzi

El 9 de abril de 2015, 10:58, Javier Marcuzzi <
javier.ruben.marcuzzi en gmail.com> escribió:

            

      
      
      
    

        

      
      
    

            

      
      
      
    

        

  
  


  


      

    

    

      
      

        


  

        

      Jorge Ayuso Rejas
    

    

      
      #
    

  


  

      
Hola Pedro, yo también me peleo día a día con Windows y Linux...

Una cosa es que en RStudio pongas la codificación en UTF8 esto es para los
scripts/código y otra cosa son la codificación de los datos guardados en el
rda.

Cuando haces un save guardas los datos con la codificación del sistema y
cuando haces load igual...

Yo la única solución que he encontrado ha sido re-codificar en mi caso
data.frame, por ejemplo:

iconv.data.frame<-function (df, ...)  # Esta función la encontré por ahí
{
    df.names <- iconv(names(df), ...)
    df.rownames <- iconv(rownames(df), ...)
    names(df) <- df.names
    rownames(df) <- df.rownames
    df.list <- lapply(df, function(x) {
        if (class(x) == "factor") {
            x <- factor(iconv(as.character(x), ...))
        }
        else if (class(x) == "character") {
            x <- iconv(x, ...)
        }
        else {
            x
        }
    })
    df.new <- do.call("data.frame", df.list)
    return(df.new)
}

iconv.data.frame(datos,from="UTF8",to="latin1")

por ejemplo...

¡Suerte!


El 9 de abril de 2015, 15:32, Pedro Concejero Cerezo <
pedro.concejerocerezo en telefonica.com> escribió:

            

      
      
      
    

        

      
      
    

        

  
    

      
      
    

  


  


      

    

    

      
      

        


  

        

      Emilio L. Cano
    

    

      
      #
    

  


  

      
Hola Pedro,

Si no te ralentiza mucho tu proceso puedes probar a usar ficheros csv en
vez de rda, con el argumento fileEncoding apropiado al usar las funciones
write.table y read.table.

Un saludo,
Emilio

El vie., 10 de abril de 2015 a las 11:22, Jorge Ayuso Rejas (<
jayusor en gmail.com>) escribió:

            

      
      
      
    

        

      
      
    

            

      
      
      
    

        

      
      
    

            

      
      
      
    

        

      
      
    

        

  
  


  


      

    

    
3 days later

    

      
      

        


  

        

      PEDRO CONCEJERO CEREZO
    

    

      
      #
    

  


  

      
(Mensaje sin acentos porque solo el dios de los juegos de caracteres sabe por que leches mi cliente de correo no manda bien mis mensajes a la lista)
Hola, muchisimas gracias a todos por las sugerencias.
Por si alguien tiene tambien ese problema, resumo y planteo las soluciones.
El problema es que un objeto R salvado con save en un sistema (p. ej. unix) al leerlo en otro sistema (windows) mantiene la codificacion del primero (utf8) y si lo usas tal cual en el segundo no te saldran los caracteres especiales (para español los acentos y depende de tus datos puede ser que muchos mas).
Las alternativas planteadas y que me han funcionado son:
- una funcion bastada en iconv -ver abajo, que cambia la codificacion de los factores y cadenas que se encuentre en el data frame (sugerida por Jorge Ayuso y Javier Marcuzzi, es la misma solucion)
- escribir a disco con write.table para luego leer con read.table y opcion fileEncoding

He hecho una pequeña prueba y la primera solucion funciona perfectamente y tarda casi la mitad que la segunda, para un dataset pequeño, de 11000 x 28. Además de que la segunda opcion tiene mas probabilidad de equivocarte con alguna opcion (como me ha pasado a mi, que he tenido que repetirlo varias veces).

He dejado el codigo en
https://github.com/pedroconcejero/taller-color/blob/master/alternativas_cambio_codif_caracteres.r

por si quereis probar con algun data frame vuestro.

Saludos!
Pedro


El 10/04/2015 a las 9:43, Jorge Ayuso Rejas escribió:
Hola Pedro, yo también me peleo día a día con Windows y Linux...

Una cosa es que en RStudio pongas la codificación en UTF8 esto es para los scripts/código y otra cosa son la codificación de los datos guardados en el rda.

Cuando haces un save guardas los datos con la codificación del sistema y cuando haces load igual...

Yo la única solución que he encontrado ha sido re-codificar en mi caso data.frame, por ejemplo:

iconv.data.frame<-function (df, ...)  # Esta función la encontré por ahí
{
    df.names <- iconv(names(df), ...)
    df.rownames <- iconv(rownames(df), ...)
    names(df) <- df.names
    rownames(df) <- df.rownames
    df.list <- lapply(df, function(x) {
        if (class(x) == "factor") {
            x <- factor(iconv(as.character(x), ...))
        }
        else if (class(x) == "character") {
            x <- iconv(x, ...)
        }
        else {
            x
        }
    })
    df.new <- do.call("data.frame", df.list)
    return(df.new)
}

iconv.data.frame(datos,from="UTF8",to="latin1")

por ejemplo...

¡Suerte!


El 9 de abril de 2015, 15:32, Pedro Concejero Cerezo <pedro.concejerocerezo en telefonica.com<mailto:pedro.concejerocerezo en telefonica.com>> escribió:
Hola, otra vez a vueltas con los UTF8, seguro que es un tema sempiterno de esta lista y que ya se ha contestado, regannadme por ello (y por escribir sin acentos).
Genero un .rda en unix con el system default UTF8 y me lo traigo a un windows.
Tengo el Rstudio en windows configurado con Global Options > Default text encoding UTF8.
Cargo el .rda con load y nada, los acentos a la porra. Vamos, que pasa de mi y de mi configuracion.
¿Hay alguna forma de forzar a load a cargar con text encoding UTF8?
He probado esto y mirad lo que me dice:

            

      
      
      
    

        
[1] ""
Warning message:
In Sys.setlocale(category = "LC_ALL", locale = "Spanish_Spain.UTF-8") :
  OS reports request to set locale to "Spanish_Spain.UTF-8" cannot be honored

            

      
      
      
    

        
Y ahora que estoy lanzado, ¿como cambio el juego de caracteres por defecto en consola, no en RStudio?

Mis versiones de RStudio:
Version 0.98.953 en windows
Version 0.98.1074 (server) en unix (centos creo que es el SO)

Saludos!

--
Pedro Concejero
E-mail: pedro.concejerocerezo en telefonica.com<mailto:pedro.concejerocerezo en telefonica.com><mailto:pedro.concejerocerezo en telefonica.com<mailto:pedro.concejerocerezo en telefonica.com>>
skype: pedro.concejero
twitter @ConcejeroPedro<https://twitter.com/ConcejeroPedro>
linkedin pedroconcejero<http://www.linkedin.com/in/pedroconcejero/es>
Entusiasta R, me encontrareis aqui gRupo R madRid <http://madrid.r-es.org/>

________________________________

Este mensaje y sus adjuntos se dirigen exclusivamente a su destinatario, puede contener información privilegiada o confidencial y es para uso exclusivo de la persona o entidad de destino. Si no es usted. el destinatario indicado, queda notificado de que la lectura, utilización, divulgación y/o copia sin autorización puede estar prohibida en virtud de la legislación vigente. Si ha recibido este mensaje por error, le rogamos que nos lo comunique inmediatamente por esta misma vía y proceda a su destrucción.

The information contained in this transmission is privileged and confidential information intended only for the use of the individual or entity named above. If the reader of this message is not the intended recipient, you are hereby notified that any dissemination, distribution or copying of this communication is strictly prohibited. If you have received this transmission in error, do not read it. Please immediately reply to the sender that you have received this communication in error and then delete it.

Esta mensagem e seus anexos se dirigem exclusivamente ao seu destinatário, pode conter informação privilegiada ou confidencial e é para uso exclusivo da pessoa ou entidade de destino. Se não é vossa senhoria o destinatário indicado, fica notificado de que a leitura, utilização, divulgação e/ou cópia sem autorização pode estar proibida em virtude da legislação vigente. Se recebeu esta mensagem por erro, rogamos-lhe que nos o comunique imediatamente por esta mesma via e proceda a sua destruição



_______________________________________________
R-help-es mailing list
R-help-es en r-project.org<mailto:R-help-es en r-project.org>
https://stat.ethz.ch/mailman/listinfo/r-help-es




--
Jorge Ayuso Rejas


--
Pedro Concejero
BI & Big Data - Internal Exploitation - Telefónica I+D<http://www.tid.es>
E-mail: pedro.concejerocerezo en telefonica.com<mailto:pedro.concejerocerezo en telefonica.com>
skype: pedro.concejero
twitter @ConcejeroPedro<https://twitter.com/ConcejeroPedro>
linkedin pedroconcejero<http://www.linkedin.com/in/pedroconcejero/es>
Entusiasta R, me encontraréis aquí gRupo R madRid <http://madrid.r-es.org/>

________________________________

Este mensaje y sus adjuntos se dirigen exclusivamente a su destinatario, puede contener información privilegiada o confidencial y es para uso exclusivo de la persona o entidad de destino. Si no es usted. el destinatario indicado, queda notificado de que la lectura, utilización, divulgación y/o copia sin autorización puede estar prohibida en virtud de la legislación vigente. Si ha recibido este mensaje por error, le rogamos que nos lo comunique inmediatamente por esta misma vía y proceda a su destrucción.

The information contained in this transmission is privileged and confidential information intended only for the use of the individual or entity named above. If the reader of this message is not the intended recipient, you are hereby notified that any dissemination, distribution or copying of this communication is strictly prohibited. If you have received this transmission in error, do not read it. Please immediately reply to the sender that you have received this communication in error and then delete it.

Esta mensagem e seus anexos se dirigem exclusivamente ao seu destinatário, pode conter informação privilegiada ou confidencial e é para uso exclusivo da pessoa ou entidade de destino. Se não é vossa senhoria o destinatário indicado, fica notificado de que a leitura, utilização, divulgação e/ou cópia sem autorização pode estar proibida em virtude da legislação vigente. Se recebeu esta mensagem por erro, rogamos-lhe que nos o comunique imediatamente por esta mesma via e proceda a sua destruição