Comments (5)
Eu executei o código nessa base nova, mas aparentemente alguma coisa estranha aconteceu. Gerei o arquivo do sqlite usando o código:
qsacnpj::gerar_bd_cnpj(path_arquivos_txt = "D:/qsa_cnpj",
localizar_cnpj = "NAO",
n_lines = 100000,
armazenar = "sqlite")
Porém o número de cnpjs está um pouco estranho. Na base mais recente disponível no repositório, eu tinha 43.887.581 cnpjs na tabela cnpj_dados_cadastrais_pj
. Depois que executei o código na nova base da receita tenho 75.941.044 entradas na tabela, porém apenas 42.375.755 entradas distintas - select count(distinct(cnpj)) from cnpj_dados_cadastrais_pj
vs select count(cnpj) from cnpj_dados_cadastrais_pj;
. Imagino que as entradas por cnpj deveriam ser todas distintas nessa tabela, não?
O que poderia ter ocorrido?
obrigado
from qsacnpj.
@georgevbsantiago olhando um pouco mais a fundo, encontrei muitos registros duplicados, porém eles apresentam as seguintes diferenças, p. ex.
trata-se de um mesmo CNPJ.
Outros registros estão simplesmente duplicados na tabela mesmo, sem diferenças em alguns campos.
from qsacnpj.
Olá, @cmmp , até o próximo final de semana, disponibilizarei a nova base de dados do CNPJ tratada. Em relação aos problemas enfrentados por você durante a execução do código, não conseguiria indicar a causa, pois precisaria de diversas informações sobre a sua máquina (Windows ou Linux) e a versão dos pacotes R que vocês está utilizando.
from qsacnpj.
Olá @georgevbsantiago !
Show!
A máquina que usei foi esta aqui:
R version 3.6.3 (2020-02-29)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 20.04 LTS
Matrix products: default
BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.9.0
LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.9.0
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
[3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8
[7] LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] qsacnpj_0.1.9
loaded via a namespace (and not attached):
[1] compiler_3.6.3 magrittr_1.5
Instalei o pacote do github usando o remotes.
abs
from qsacnpj.
Acabei de realizar o tratamento dos dados.
Ao executar o comando de contagem e contagem de distintos nos números do CNPJ, o SQLite informou o mesmo valor. Ou seja, não foram registrados CNPJ em duplicidade após o tratamento dos dados.
Verifique se você não baixou arquivos repetidos do site da Receita Federal.
Além disso, recomendo utilizar o R 4.0.2 e a última versão dos pacotes do CRAN.
Comandos utilizados para verificar se existem dados duplicados na tabela dos dados cadastrais do CNPJ
SELECT COUNT(cnpj) FROM cnpj_dados_cadastrais_pj
SELECT COUNT(DISTINCT cnpj) FROM cnpj_dados_cadastrais_pj
from qsacnpj.
Related Issues (20)
- .
- Tabelas não Geradas HOT 2
- Possível erro na tabela tab_cnae HOT 1
- Possível erro na coluna "opção_pelo_mei" HOT 8
- Problema com coluna qualificacao responsavel/socio em diferentes tabelas HOT 2
- Nova versão da base tratada HOT 2
- Base de Dados em CSV de 05/09/20 HOT 1
- Início, fim e duração - Tempo de processamento HOT 1
- Dados atualizados em novembro HOT 3
- library_error, não consigo iniciar o tratamento dos dados HOT 1
- A receita federal mudou completamento o layout dos arquivos HOT 222
- Atualização Layout do txt para o novo layout. HOT 5
- Geração das bases com problema HOT 1
- Link das databases em SQL está off HOT 3
- Alguém conseguiu realizar o download? HOT 1
- Sócios "duplicados"
- O link para download mudou! HOT 3
- Atualização do CSV com a base tratada
- AttributeError: 'Engine' object has no attribute 'execute'
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from qsacnpj.