R

Barras de progreso en R y alarma de finalización

En muchas ocasiones los programas que se ejecutan en un ordenador tardan un tiempo considerable en finalizar. Por ejemplo, las simulaciones de tipo Montecarlo o algunos procesos de optimización. En estas situaciones es una buena idea indicar al usuario el progreso de la tarea e idealmente el tiempo aproximado que falta para la finalización. Una de las mejores herramientas para esto es las barras de progreso. En esta entrada se explicará cómo se pueden implementar las barras de progreso en R.

Barras de progreso en R de texto

Una de las primeras opciones para crear barras de progreso en R se encuentra en el paquete tools donde se puede encontrar txtProgressBar. Esta función permite crear barras de progreso que pueden ser actualizadas mediante la función setTxtProgressBar. En el siguiente ejemplo se muestra cómo utilizar esta herramienta:

total <- 20

# Creación de la barra
pb <- txtProgressBar(min = 0, max = total, style = 3)

for(i in 1:total){
  # Se espera 0.1 segundos
  Sys.sleep(0.1)

  # Actualización de la barra
  setTxtProgressBar(pb, i)
}

close(pb)

Al incido del código se asigna a la variable total el número total de iteraciones que se van a realizar. Posteriormente se crea la barra se progreso y se asigna a la variable pb. A la barra de progreso se le ha de indicar el valor mínimo, y el máximo en los que se mide el progreso. La propiedad style indica el formato en el que se presenta la barra. Se inicia un bucle en el que se repite un proceso que tarda 0,1 segundos, para lo que se utiliza la función del Sys.sleep. Al final de cada iteración se actualiza el progreso mediante la función setTxtProgressBar, a la que se le pasa pb y el progreso. Una vez finalizado el proceso se ha de cerrar la barra con el comando close.

Barra con estimación de tiempo

Para las situaciones en las que se desea indicar el tiempo que falta para terminar el proceso se ha de utilizar una barra diferente a la anterior. Para ello se ha de instalar el paquete BBmisc. En este paquete existe una barra en la que se muestra el tiempo aproximado de finalización, para lo que asume que todos los pasos tardan el mismo tiempo en ser completados. En el siguiente ejemplo se muestra cómo utilizar esta nueva barra:

library(BBmisc)

bar <- makeProgressBar(max=5, label="test-bar")

for (i in 1:5) {
  bar$inc(1)
  Sys.sleep(0.2)
}

La barra se crea ahora con la función makeProgressBar. A la que se le indica el máximo numero de pasos y una etiqueta que es opcional. Al igual que en el caso anterior se simula un proceso pesado con la función del Sys.sleep. La actualización se realiza en esta ocasión en la propia barra de progreso indicando los pasos que se han realizado. Como se puede ver en el ejemplo en este caso no es necesario cerrar la barra al final.

Hacer sonar un sonido al concluir

Al ejecutar procesos pesados muchas veces no es necesario consular la pantalla continuamente para conocer el progreso. Puede que solamente sea interesante saber cuándo termina el proceso, para esto una de las mejores opciones es emitir un sonido. Para esto se puede utilizar el paquete beepr. Este paquete contiene una función beep que emitir un sonido al ejecutarse. Simplemente situando esta función al final del código se pude emitir una alarma sonora indicando la finalización. El código para ello es tan simple como

library(beepr)

beep()

La función beep puede generar diferentes sonidos dependiendo del valor que se le pase a la función.

Conclusiones

En esta entrada se han visto tres formas de indicar el progreso de la ejecución de código en R. Las tres opciones, dos barras de progreso y una alarma, son interesantes para informar a los usuarios del progreso de los procesos.

¿Te ha parecido de utilidad el contenido?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez

Recent Posts

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

Ya está disponible la versión 1.5 del laboratorio de Analytics Lane. Es una de las…

4 horas ago

Cómo Explorar un Dataset antes de Modelar

Uno de los errores más frecuentes en ciencia de datos es lanzarse a construir un…

1 día ago

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

Pregunta a cualquiera qué significan las letras de "Wi-Fi" y lo más probable es que…

6 días ago

Shallow copy vs Deep copy en Python: la mutación inesperada

Imagina que tienes una lista con datos de un usuario: usuario_original = { 'nombre': 'Juan',…

1 semana ago

Cómo Saber si una Diferencia Significativa es Importante

Has aplicado un t-test y obtienes p = 0,003. El resultado es estadísticamente significativo, hay…

2 semanas ago

== vs is en Python: la diferencia que causa bugs misteriosos

Hay un bug que aparece una y otra vez en código Python, tan sutil que…

2 semanas ago

This website uses cookies.