File Import¶
Importa una tabla de datos desde un archivo o una URL, con vista previa y edición de columnas. Reúne en un solo widget lo mejor de File y CSV File Import.
Para qué sirve¶
Elige un origen y el widget deduce todo lo demás: formato, codificación, separador, cabecera, tipos y roles. Si algo no es como esperabas, lo corriges a la vista y la vista previa cambia al momento.
Salidas¶
Data: la tabla importada.
Origen¶
Archivo: elige uno de los recientes o ábrelo con …. También puedes arrastrarlo a la ventana del widget. El botón de recarga vuelve a leerlo.
URL: escribe una dirección http o https y pulsa Intro. Los enlaces para compartir de Google Sheets, Google Drive y Dropbox se convierten solos en descargas directas.
Formatos¶
El formato se deduce del contenido del archivo y, en su defecto, de la extensión. Si no coinciden, manda el contenido y el widget lo avisa. Puedes corregirlo en Tipo.
Formato |
Notas |
|---|---|
CSV y TSV |
Texto delimitado. Separador detectado automáticamente. |
TAB de Orange |
Reconoce la cabecera de tres filas (nombres, tipos y roles) y los prefijos
del tipo |
Excel (XLSX y XLS) |
Elige la hoja. Si la primera está vacía, se usa la siguiente. El valor de una
celda combinada se copia a todas las que abarca, y los errores como
|
ARFF |
Numéricos, nominales, fechas, textos, |
Los archivos de texto también pueden estar comprimidos (gzip, bzip2, xz o un ZIP con un solo archivo).
Columnas¶
Cada columna del archivo es una fila de la tabla, con su número de valores perdidos, de valores distintos y unos ejemplos. Haz clic para cambiar:
Nombre.
Tipo: numérico, categórico, texto o fecha.
Rol: atributo, clase, meta u omitir. El texto siempre es meta, porque Orange no admite texto como atributo.
Para cambiar varias a la vez, selecciónalas y usa Cambiar las seleccionadas. Restaurar lo detectado deshace todas las ediciones. Editar columnas nunca vuelve a leer el archivo: el cambio es inmediato aunque la tabla sea grande.
Cómo se deducen los tipos:
Los textos con hasta 100 valores distintos (y pocos respecto a las filas) son categóricos; los demás, texto.
Los enteros con solo dos valores (por ejemplo 0 y 1) son categóricos, igual que en File. El resto de números son numéricos.
Si al menos el 95 % de una columna son números, es numérica, y lo que no encaja queda como perdido, con un aviso que dice cuántos son.
Una columna llamada
class,clase,targetuobjetivose propone como clase.Las columnas totalmente vacías se omiten con un aviso; puedes recuperarlas.
Importación avanzada¶
Está plegada para no estorbar. Cada opción muestra entre paréntesis lo detectado.
Opción |
Qué hace |
|---|---|
Codificación |
Se detecta (incluido el BOM). Si el archivo no es UTF-8 de principio a fin, se lee como Windows-1252 y se avisa. También puedes escribir cualquier otra. |
Separador y Comillas |
Carácter entre campos y carácter que protege un campo. |
Decimal y Miles |
Admite decimales con coma y separadores de miles. |
Saltar filas |
Líneas iniciales que se ignoran. |
Cabecera |
Automática, sin cabecera (las columnas se llaman Columna 1, Columna 2…) o en una fila concreta, contada después de las saltadas. |
Valores perdidos |
Textos que cuentan como perdidos, separados por comas. La celda vacía siempre lo es. |
Comentarios |
Las líneas que empiezan por este carácter se ignoran. |
Máximo de filas |
Lee solo las primeras filas. |
Orden de fechas |
Para fechas ambiguas. En automático gana el formato que mejor encaja y, si empatan, día/mes/año. |
Descarga máxima |
Tamaño máximo que se descargará desde una URL. Por defecto, 500 MB. |
Vista previa y carga¶
La vista previa lee solo el principio del archivo y muestra las primeras 100 filas tal como quedarán. Con Apply Automatically activo, la carga completa empieza sola después. Si lo desactivas, ajusta todo con calma y pulsa Apply.
La lectura va en segundo plano con barra de progreso, y Cancelar la detiene.
Lo que ocurre cuando hay problemas¶
Situación |
Qué hace el widget |
|---|---|
Filas con campos de más o de menos |
Conserva la fila (recorta lo sobrante o deja perdido lo que falta) e informa de cuántas son y de la primera. |
Nombres de columna repetidos o vacíos |
Los renombra ( |
Separador ambiguo |
Usa el más probable y dice cuál otro encaja. |
Valores que no encajan con el tipo, fechas imposibles |
Quedan como perdidos e informa de cuántos son y en qué columnas. |
Números enormes o infinitos |
Los infinitos pasan a perdidos. Si un número pierde precisión, recomienda usar el tipo texto (típico de identificadores largos). |
Fechas anteriores a 1677 o posteriores a 2262 |
No se pueden representar: quedan como perdidas, con aviso. |
Comillas sin cerrar |
Mensaje con la fila donde empiezan. Se puede desactivar el uso de comillas. |
Archivo vacío, inexistente, sin permisos o dañado; Excel con contraseña |
Mensaje claro y sin salida. |
URL con error, redirección excesiva, tiempo agotado, demasiado grande o que devuelve una página web |
Mensaje claro y sin salida. Solo se admiten http y https, también en las redirecciones. |
Guardado con el workflow¶
Las opciones y las ediciones de columnas se guardan con el workflow para cada origen. Si al reabrirlo el archivo no existe, se avisa y se conserva la configuración. Si sus columnas han cambiado, se aplica lo que siga siendo válido y se indica qué columnas han desaparecido o son nuevas.
¿Por qué no hay salida Data Frame?¶
CSV File Import tiene una salida Data Frame con el objeto de pandas, que solo
sirve para conectarla a un Python Script. Este widget no la ofrece: duplicaría
memoria en archivos grandes y el mismo resultado se obtiene dentro del Python
Script con Orange.data.pandas_compat.table_to_frame(in_data).