R - Arquivos Binários

Um arquivo binário é um arquivo que contém informações armazenadas apenas na forma de bits e bytes (0's e 1's). Eles não são legíveis, pois os bytes neles se traduzem em caracteres e símbolos que contêm muitos outros caracteres não imprimíveis. A tentativa de ler um arquivo binário usando qualquer editor de texto mostrará caracteres como Ø e ð.

O arquivo binário deve ser lido por programas específicos para ser utilizável. Por exemplo, o arquivo binário de um programa Microsoft Word pode ser lido em um formato legível apenas pelo programa Word. O que indica que, além do texto legível por humanos, há muito mais informações como formatação de caracteres e números de página, etc., que também são armazenados junto com caracteres alfanuméricos. E, finalmente, um arquivo binário é uma sequência contínua de bytes. A quebra de linha que vemos em um arquivo de texto é um caractere que liga a primeira linha à próxima.

Às vezes, os dados gerados por outros programas precisam ser processados por R como um arquivo binário. Além disso, R é necessário para criar arquivos binários que podem ser compartilhados com outros programas.

R tem duas funções WriteBin() e readBin() para criar e ler arquivos binários.

Sintaxe

writeBin(object, con)
readBin(con, what, n )

A seguir está a descrição dos parâmetros usados -

con é o objeto de conexão para ler ou gravar o arquivo binário.
object é o arquivo binário a ser gravado.
what é o modo como caractere, inteiro etc. que representa os bytes a serem lidos.
n é o número de bytes a serem lidos do arquivo binário.

Exemplo

Consideramos os dados embutidos de R como "mtcars". Primeiro, criamos um arquivo csv a partir dele e o convertemos em um arquivo binário e o armazenamos como um arquivo do sistema operacional. Em seguida, lemos este arquivo binário criado em R.

Escrevendo o arquivo binário

Lemos o quadro de dados "mtcars" como um arquivo csv e depois o gravamos como um arquivo binário no sistema operacional.

# Read the "mtcars" data frame as a csv file and store only the columns 
   "cyl", "am" and "gear".
write.table(mtcars, file = "mtcars.csv",row.names = FALSE, na = "", 
   col.names = TRUE, sep = ",")

# Store 5 records from the csv file as a new data frame.
new.mtcars <- read.table("mtcars.csv",sep = ",",header = TRUE,nrows = 5)

# Create a connection object to write the binary file using mode "wb".
write.filename = file("/web/com/binmtcars.dat", "wb")

# Write the column names of the data frame to the connection object.
writeBin(colnames(new.mtcars), write.filename)

# Write the records in each of the column to the file.
writeBin(c(new.mtcars$cyl,new.mtcars$am,new.mtcars$gear), write.filename)

# Close the file for writing so that it can be read by other program.
close(write.filename)

Lendo o arquivo binário

O arquivo binário criado acima armazena todos os dados como bytes contínuos. Portanto, vamos lê-lo escolhendo os valores apropriados dos nomes das colunas, bem como os valores das colunas.

# Create a connection object to read the file in binary mode using "rb".
read.filename <- file("/web/com/binmtcars.dat", "rb")

# First read the column names. n = 3 as we have 3 columns.
column.names <- readBin(read.filename, character(),  n = 3)

# Next read the column values. n = 18 as we have 3 column names and 15 values.
read.filename <- file("/web/com/binmtcars.dat", "rb")
bindata <- readBin(read.filename, integer(),  n = 18)

# Print the data.
print(bindata)

# Read the values from 4th byte to 8th byte which represents "cyl".
cyldata = bindata[4:8]
print(cyldata)

# Read the values form 9th byte to 13th byte which represents "am".
amdata = bindata[9:13]
print(amdata)

# Read the values form 9th byte to 13th byte which represents "gear".
geardata = bindata[14:18]
print(geardata)

# Combine all the read values to a dat frame.
finaldata = cbind(cyldata, amdata, geardata)
colnames(finaldata) = column.names
print(finaldata)

Quando executamos o código acima, ele produz o seguinte resultado e gráfico -

[1]    7108963 1728081249    7496037          6          6          4
 [7]          6          8          1          1          1          0
[13]          0          4          4          4          3          3

[1] 6 6 4 6 8

[1] 1 1 1 0 0

[1] 4 4 4 3 3

     cyl am gear
[1,]   6  1    4
[2,]   6  1    4
[3,]   4  1    4
[4,]   6  0    3
[5,]   8  0    3

Como podemos ver, recuperamos os dados originais lendo o arquivo binário em R.