R 数据分析 - 系列 - 灿若星河 | 郝建锋

stargazer：R 语言输出统计表

Jianfeng.Hao — Tue, 30 Oct 2018 16:20:03 +0800

使用 stargazer 可以将 R 构建的模型结果以 LATEX 、 HTML 和 ASCII 格式输出，方便我们生成标准格式的表格
结合 rmarkdown 来进行使用，会使我们优雅地写出一篇拥有期刊级统计表的文章

简介

R 包 stargazer 可以将 数据统计汇总 （格式可以为数据框、向量和矩阵等）和 统计模型结果 输出为标准统计表格式的 LATEX 、HTML 和 ASCII 格式的字符文本，将其复制到对应的软件中 即可生成标准的统计表，当然也可以配合 rmarkdown 使用直接渲染输出为表格，更加方便直接。

安装及加载

可以使用常规方法导入 stargazer 包：

1
2


install.packages("stargazer")
library(stargazer)

stargazer 包的输出结果是相应格式的，例如输出 LATEX 格式，可以直接将结果粘贴进在线编辑器 [Overleaf](https://www.overleaf.com) 中输出表格。下文直接将结果以对应表格的形式展示。

数据统计汇总

统计汇总数据

如果要展示数据集的基本描述性分析数据（由 R 函数 summary 得到），可以使用以下命令直接得到：

1

stargazer(attitude)

原始数据展示

如果想输出某些数据框的特定行的原始内容，需要指定要查看的数据框的一部分，并将设置参数 summary = FALSE, 如下所示：

1
2


data("attitude")
stargazer(attitude[1:4,], summary = FALSE, rownames = TRUE)

可以看到，attitude 数据集中包括 rating、complaints 等多个变量，数据展示形式为 三线表 。

列联表

stargazer 也可以用来展示向量、矩阵或者数据框的内容。在这里我们建立了 attitude 数据集中变量 rating、complaints、privileges 的相关系数矩阵，并予以展示：

1
2


correlation.matrix <- cor(attitude[,c("rating", "complaints", "privileges")])
stargazer(correlation.matrix, title = "Correlation Matrix")

统计模型结果

回归表

在 R 中可以很方便的使用 lm() 和 glm() 函数来构建回归模型，我们同样可以在同一张表中对这些模型进行比较，参数 title 用来设定表的标题，参数 align 使每列中的系数沿小数点对齐：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


## 构建两个线性回归模型
linear.1 <- lm(rating ~ complaints + privileges + learning + raises + critical,
data = attitude)
linear.2 <- lm(rating ~ complaints + privileges + learning, data = attitude)
## 构建一个 probit 模型
attitude$high.rating <- (attitude$rating > 70)
probit.model <- glm(high.rating ~ learning + critical + advance, data = attitude,
family = binomial(link = "probit"))

stargazer(linear.1, linear.2, probit.model, title = "Results", align = TRUE)

回归表的修饰

为了使表格更加标准，我们还可以通过调整参数进行以下操作：

删除表中的空白行：no.space
移除不关心的统计量：omit.stat
修改因变量和自变量的名称：dep.var.labels 、 covariate.labels

1
2
3
4
5


stargazer(linear.1, linear.2, probit.model, title = "Regression Results",
align = TRUE, dep.var.labels = c("Overall Rating","High Rating"),
covariate.labels = c("Handling of Complaints", "No Special Privileges",
"Opportunity to Learn", "Performance-Based Raises", "Too Critical","Advancement"),
omit.stat = c("LL", "ser", "f"), no.space = TRUE)

本例中对原表格做了以下修改：

使用 dep.var.labels 和 covariate.lables 参数分别将因变量和自变量重命名为容易理解的形式；

使用 omit.stat 参数移除对数似然比（"LL"）、标准化残差（"ser"）和 F 统计量（"f"）；

使用no.space参数将输出表格中的空行删去。

展示置信区间

设置是否展示置信区间：ci
设置置信区间的置信度：ci.level
使回归系数与置信区间并排展示：single.row

1
2
3
4
5


stargazer(linear.1, linear.2, title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
covariate.labels = c("Handling of Complaints", "No Special Privileges",
"Opportunity to Learn", "Performance-Based Raises", "Too Critical", "Advancement"),
omit.stat = c("LL","ser","f"), ci = TRUE, ci.level = 0.90, single.row = TRUE)

其他修饰功能

控制自变量展示的顺序：order 控制要展示的统计量：keep.stat , keep.stat = "n" 即只展示样本量的大小，并移除其他统计量

1
2
3
4


stargazer(linear.1, linear.2, title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
order = c("learning", "privileges"),
keep.stat = "n", ci = TRUE, ci.level = 0.90, single.row = TRUE)

控制输出格式

可以使用 type 参数控制以 ASCII 、text、html、latex 格式输出，默认为LATEX 格式。

1
2
3
4


stargazer(linear.1, linear.2, type = "text", title = "Regression Results",
dep.var.labels = c("Overall Rating", "High Rating"),
order = c("learning", "privileges"), 
keep.stat = "n", ci = TRUE, ci.level = 0.90, single.row = TRUE, header = F)

自定义统计量

我们使用 sandwich 包来计算异方差-稳健标准误，并将其与默认计算的标准差一同展示。

1
2
3
4
5
6


library(sandwich)
cov <- vcovHC(linear.1, type = "HC")
robust.se <- sqrt(diag(cov))

stargazer(linear.1, linear.1, se = list(NULL, robust.se),
column.labels = c("default", "robust"))

支持的模型

目前 stargazer 支持以下模型结果的展示：

aftreg (eha), arima (stats), betareg (betareg), binaryChoice (sampleSelection), bj (rms), brglm (brglm), censReg (censReg), coeftest (lmtest), coxph (survival), coxreg (eha), clm (ordinal), clogit (survival), cph (rms), dynlm (dynlm), ergm(ergm), errorsarlm (spdev), felm (lfe), gam (mgcv), garchFit (fGarch), gee (gee), glm (stats), Glm (rms), glmer (lme4), glmrob(robustbase), gls (nlme), Gls (rms), gmm (gmm), heckit (sampleSelection), hetglm (glmx), hurdle (pscl), ivreg (AER), lagarlm (spdep), lm(stats), lme (nlme), lmer (lme4), lmrob (robustbase), lrm (rms), maBina (erer), mclogit (mclogit), mlogit (mlogit), mnlogit (mnlogit), mlreg (eha), multinom (nnet), nlme (nlme), nlmer (lme4), ols (rms), pgmm(plm), phreg (eha), plm (plm), pmg (plm), polr (MASS), psm (rms), rem.dyad (relevent), rlm(MASS), rq (quantreg), Rq (rms), selection (sampleSelection), svyglm (survey), survreg (survival), tobit (AER), weibreg (eha), zeroinfl (pscl), as well as from the implementation of these in zelig. In addition, stargazer also supports the following zelig models: “relogit”, “cloglog.net”, “gamma.net”, “probit.net” and “logit.net”.

支持的模板

style 参数可以用来选择统计表的展现形式，你可以通过 ?stargazer 查看具体参数的设置来获取具体支持的格式，目前支持的期刊统计图格式有 American Economic Review、 Quarterly Journal of Economics 等。

结合 rmarkdown 使用

1
2
3


```{r, results='asis'}
stargazer(model, header = F)
```

注意事项：

要加上 results='asis' 保证输出的是表格，而不是 LATEX 文本；

参数 align 失效，不能使用；

加上参数 header=FALSE，避免输出关于包作者的一些文本信息。

致谢

参考文章

stargazer.pdf

Hlavac, Marek (2018). stargazer: Well-Formatted Regression and Summary Statistics Tables. R package version 5.2.2. https://CRAN.R-project.org/package=stargazer

R Markdown: 数据报告生成利器

Jianfeng.Hao — Mon, 09 Jul 2018 22:44:09 +0800

R Markdown 站在 knitr 和 Pandoc 的肩膀上，前者执行嵌入于文档中的计算机代码，并将 R Markdown 转换为 Markdown；后者将 Markdown 呈现出您想要的输出格式（如 PDF、HTML、Word 等）

此篇文章翻译自谢益辉新书《R Markdown: The Definitive Guide》的前三章节，内容有所删减，主要介绍了 R Markdown 的相关结构及语法规则，如果想了解更多更详细的内容推荐您阅读原书。

安装

这里假设您已经安装了 R (https://www.r-project.org) 和 RStudio IDE (https://www.rstudio.com) 。Rstudio 并不是必须的，但安装它会使您更加容易地使用 R Markdown。如果您没有安装 RStudio IDE，您将不得不安装 Pandoc（ https://pandoc.org ），否则就不需要单独安装 Pandoc，因为在安装 RStudio 时已经将它捆绑安装了。接下来，您可以在 R 中安装 rmarkdown 包：

1
2
3
4
5
6
7
8


# Install from CRAN
install.packages('rmarkdown')

# Or if you want to test the development version,
# install from GitHub
if (!requireNamespace("devtools"))
  install.packages('devtools')
devtools::install_github('rstudio/rmarkdown')

如果您想要生成 PDF 类型文档输出，您将需要安装 LaTeX 。对于那些以前没有安装过 LaTeX 的 R Markdown 用户，我们建议您安装 TinyTeX（https://yihui./tinytex/）：

1
2


install.packages("tinytex")
tinytex::install_tinytex()  # install TinyTeX

TinyTeX 相当于一款轻量级、跨平台、易于维护的 LaTeX 。在将 LaTeX 或 R Markdown 文档编译成 PDF 时，tinytex 可以帮助您自动安装所需的相关 R 包，同时还能确保一个 LaTeX 文档被编译成正确的次数，以解决所有的交叉引用问题。如果您不明白这两件事是什么意思，应该按照我们的建议来安装 TinyTeX，因为这些细节往往并不值得您花费时间和精力去关心。

使用 rmarkdown 包、RStudio/Pandoc 和 LaTeX，您应该能够编译大多数R Markdown 文档。在某些情况下，您可能需要其他软件包，我们将在必要时提到它们。

参考文献

R Core Team. 2018. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.

Xie, Yihui. 2018f. Tinytex: Helper Functions to Install and Maintain Tex Live, and Compile Latex Documents. https://github.com/yihui/tinytex.

基础知识

R Markdown 为数据科学提供了一个创作框架。R Markdown 能胜任以下两个任务：

保存并执行代码；
生成可共享的高质量报告。

R Markdown 的设计初衷是为了更容易地实现报告内容的可重复性，这是因为计算代码和叙述都在同一个文档中，结果是由源代码自动生成的。并且 R Markdown 支持数十种静态和动态/交互式输出格式。

如果您更喜欢观看视频进行学习，我们建议您查看网站 https://rmarkdown.rstudio.com，并在 “Get Started ” 中观看视频，其中包括了 R Markdown 的基础知识。

文档结构

下面是一份非常简易的 R Markdown 文档，是一个带有 .Rmd 拓展名的纯文本文档。

1
2
3
4
5
6


---
title: "Hello R Markdown"
author: "Awesome Me"
date: "2018-02-14"
output: html_document
---

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


This is a paragraph in an R Markdown document.

Below is a code chunk:

```{r}
fit = lm(dist ~ speed, data = cars)
b   = coef(fit)
plot(cars)
abline(fit)
```

The slope of the regression is `r b[1]`.
```

您可以使用任何文本编辑器（包括但不限于 RStudio）来创建这样的文本文档。如果使用 RStudio，您可以从 File -> New File -> R Markdown 中创建一个新的 Rmd 文档。

一份 R Markdown 文档有三个基础组成部分：元数据，文本和代码。元数据是在三个连接符 --- 之间的内容。元数据的语法是 YAML（ YAML 不是标记语言），所以有时它也被称为 YAML metadata 或 YAML frontmatter。需要注意的是，缩进在 YAML 中十分重要，忽视它会让你付出惨重代价。请参阅谢益辉所写的《bookdown》（2016）一书中的附录b.2 来了解一些简单的例子，这些示例展示了 YAML 语法。

文档的主体遵循元数据书写的规则。文本的语法是 Markdown，将在第 2.5 节中进行介绍。有两种类型的计算机代码，在第 2.6 节中进行了详细解释：

代码块：以三个重音符及所使用语言开始，其中 r 代表所使用的程序语言，并以三个重音符结束。可以在花括号中填写块选项（如：将图形高度设置为5英寸：{r, fig.height=5}）。
内联代码：以 ``r` 开始，并以单个重音符结束。

文档编译

最简单的方式莫过于在 RStudio 中单击 Knit 按钮，对应的快捷键为 Ctrl + Shift + K （在 macOS 中为 Cmd + Shift + K）。当然也可以直接运行代码 rmarkdown::render 来进行渲染编译，如：

1

rmarkdown::render('foo.Rmd', 'pdf_document')

当编译多个文档时，使用函数更加方便，因为可以直接使用循环来进行渲染编译。

参考卡片

RStudio 已经创建了大量的参考卡片，它们可以在 https://www.rstudio.com/resources/cheatsheets/ 上免费获得。

输出格式

有两种输出格式：documents 和 presentations 。所有可用的格式如下所示：

beamer_presentation
github_document
html_document
ioslides_presentation
latex_document
md_document
odt_document
pdf_document
powerpoint_presentation
rtf_document
slidy_presentation
word_document

我们将在第 3 章和第 4 章详细地记录这些输出格式。在其他扩展包中提供了更多的输出格式（从第 5 章开始）。对于 Rmd 文件的 YAML 元数据中的输出格式名称，如果格式来自扩展包，您需要包含包名（若格式来自于 rmarkdown 包，则不需要 rmarkdown::前缀），例如：

1

output: tufte::tufte_html

每种输出格式通常都有多种格式选项。所有这些选项都记录在 R 包 help 页面上。例如，您可以在 R 中键入 ?rmarkdown:: 打开关于 html_document 格式的 help 页面。当您想要使用某些选项时，必须将这些值从 R 转换成 YAML，例如：

1

html_document(toc = TRUE, toc_depth = 2, dev = 'svg')

可以用 YAML 写为：

1
2
3
4
5


output:
  html_document:
    toc: true
    toc_depth: 2
    dev: 'svg'

YAML 中的字符串通常不需要引号（``dev：“svg”和dev:svg是相同的），除非它们包含特殊字符，比如冒号：。如果您不确定是否应该引用字符串，那么用 yaml` 包来测试它，例如：

1
2
3
4
5
6
7


cat(yaml::as.yaml(list(
  title = 'A Wonderful Day',
  subtitle = 'hygge: a quality of coziness'
)))

## title: A Wonderful Day
## subtitle: 'hygge: a quality of coziness'

注意，上面例子中的副标题是由于冒号而引用单引号的。

如果某一选项有子选项（这意味着该选项的值是 R 中的列表），则子选项需要进一步缩进，例如：

1
2
3
4
5
6


output:
  html_document:
    toc: true
    includes:
      in_header: header.html
      before_body: before.html

一些选项将被传递给 knitr ，比如 dev、fig_width 和 fig_height。这些选项的详细文档可以在 knitr 文档页面上找到。请注意，实际的 knitr 选项名称可能有所不同。特别是，knitr 在名称中使用 .，但 rmarkdown 使用 _，例如，在 rmarkdown 中，fig_width 对应于knitr 中的 fig.width 。

一些选项将被传递给 Pandoc，比如 toc、toc_depth 和 number_sections 。当有疑问时，您应该参考 Pandoc 文档。R Markdown 输出格式函数通常有一个pandoc_args 参数，它应该是传递给 Pandoc 的参数的字符向量。如果您发现任何没有由输出格式参数表示的 Pandoc 特性，您可以使用这个终极论证，例如：

1
2
3
4


output:
  pdf_document:
    toc: true
    pandoc_args: ["--wrap=none", "--top-level-division=chapter"]

Markdown 语法

内联格式

斜体：_text_ 或 *text*
粗体：**text**
下标：H~3~PO~4~ 渲染为 $H_3PO_4$
上标：Cu^2+^ 渲染为 $Cu^{2+}$
脚注： ^[This is a footnote.]
内联代码：`code` , 可以使用 n+1 个重音符输出包含 n 个重音符的代码块。
超链接：[text](link)
图片链接： ![alt text or image title](path/to/image)

引用：

1
2
3
4
5
6
7
8
9


@Manual{R-base,
  title = {R: A Language and Environment for Statistical
    Computing},
  author = {{R Core Team}},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2017},
  url = {https://www.R-project.org/},
}

块级元素

标题

1
2
3
4
5


# First-level header

## Second-level header

### Third-level header

如果不想让某个标题被编号，可以在标题后面添加 {-} 或者 {.unnumbered}，如：

1

# Preface {-}

无序列表

1
2
3
4
5
6


- one item
- one item
- one item
  - one more item
  - one more item
  - one more item

有序列表

1
2
3
4
5


1. the first item
2. the second item
3. the third item
  - one unordered item
  - one unordered item

引用

1
2
3
4
5


> "I thoroughly disapprove of duels. If a man should challenge me,
  I would take him kindly and forgivingly by the hand and lead him
  to a quiet place and kill him."
>
>                                                 --- Mark Twain

“I thoroughly disapprove of duels. If a man should challenge me, I would take him kindly and forgivingly by the hand and lead him to a quiet place and kill him.”

— Mark Twain

代码块

1
2
3
4
5
6
7


```
This text is displayed verbatim / preformatted
```

Or indent by four spaces:

    This text is displayed verbatim / preformatted

数学表达式

$f(k) = {n \choose k} p^{k} (1-p)^{n-k}$ : $f(k) = {n \choose k} p^{k} (1-p)^{n-k}$

$$f(k) = {n \choose k} p^{k} (1-p)^{n-k}$$ :

$$ f(k) = {n \choose k} p^{k} (1-p)^{n-k} $$

代码块选项

单击 Insert 按钮，对应快捷键为 Ctrl + Alt + I （macOS：Cmd + Option + I ）。

在 https://yihui.name/knitr/options 中有大量的代码块可选项，在此我们列出常用的一部分：

eval=TRUE ：执行当前代码块；

1
2
3
4
5
6
7
8


```{r}
# execute code if the date is later than a specified day
do_it = Sys.Date() > '2018-02-14'
```

```{r, eval=do_it}
x = rnorm(100)
```

echo=TRUE ：输出源代码；
result ：当设置为 'hide' ，文本输出将被隐藏；当设置为 'asis' ，文本输出将被 “原样” 书写。
collapse=TRUE ：将文本输出和源代码合并为单个代码块输出，更加紧凑；
warning, message, error ：是否在输出文档中显示警告、消息和错误；
include=FALSE ：运行当前代码并且不显示任何源代码与输出结果；
cache ：是否启用高速缓存。如果启用了缓存，则在下一次编译文档时不会对相同的代码块进行评估（如果代码块没有被修改），这将节省您的时间；
fig.width，fig.height ：（图形设备）块的大小（英寸）。注意：fig.dim = c(6, 4) 意味着 fig.width = 6 并且 fig.height = 4；
out.width， out.height ：输出文档中 R 图片的输出大小。可以使用百分比，例如 out.width = '80%' 表示页面宽度的 80%；
fig.align ：图片的对齐方式；
dev ：图形设备保存 R 图片的格式。如 'pdf', 'png', 'svg', 'jpeg'；
fig.cap ：图片标题；
child ：您可以在主文档中包含子文档。这个选项选择一条通向外部文件的路径。

如果某个选项需要经常被设置为多个代码块中的值，您可以考虑在文档的第一个代码块中全局设置它：

1
2
3


```{r, setup, include=FALSE}
knitr::opts_chunk$set(fig.width = 8, collapse = TRUE)
```

图片

本地图片亦可以使用代码块选项进行调节，例如：

1
2
3


```{r, out.width='25%', fig.align='center', fig.cap='...'}
knitr::include_graphics('images/hex-rmarkdown.png')
```

如果您想要淡入一个不是由 R 代码生成的图形，您可以使用 knitr::include_graphics() 函数，它使您能够更好地控制图像的属性，而不是像 ![alt text or image title](path/to/image) 这样的 Markdown 语法难以调解图片属性。

表格

使用 knitr::kable() 函数可以简易的创建表格，表格标题可以通过 caption 来设置，例如：

1
2
3


```{r tables-mtcars}
knitr::kable(iris[1:5, ], caption = 'A caption')
```

如果您正在寻找更高级的表格样式控制，建议您使用 kableExtra 包，它提供了定制 PDF 和 HTML 表格外观的功能。在第 12.3 节中解释了 bookdown 包如何扩展 rmarkdown 的功能，以允许在文本中轻松地交叉引用数字和表格。

参考文献

Xie, Yihui. 2015. Dynamic Documents with R and Knitr. 2nd ed. Boca Raton, Florida: Chapman; Hall/CRC. https://yihui.name/knitr/.

输出文档

HTML 文档

为了输出 HTML 文档，首先要在 YAML 元数据中写入 output: html_document ：

1
2
3
4
5
6


---
title: Habits
author: John Doe
date: March 22, 2005
output: html_document
---

目录（Table of contents）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


---
title: "Habits"
output:
  html_document:
    toc: true
    toc_depth: 2
    toc_float:
        collapsed: false
        smooth_scroll: false
---

toc: true ：输出目录；
toc_depth ：所输出标题的最小级别；
toc_float: true ：目录悬停于内容左侧，并一直可见；
collapsed (默认为 TRUE) ：初始只显示顶级标题，随内容滚动目录逐级展开；
smooth_scroll (默认为 TRUE) ：点击目录标题是否导航到指定内容。

目录编号 (Section numbering)

1
2
3
4
5
6
7


---
title: "Habits"
output:
  html_document:
    toc: true
    number_sections: true
---

注意，如果文档中没有一级标题，那么二级标题将被命名为 0.1, 0.2 ……

选项卡 (Tabbed sections)

1
2
3
4
5
6
7
8
9


## Quarterly Results {.tabset .tabset-fade .tabset-pills}

### By Product

(tab content)

### By Region

(tab content)

.tabset ：使主标题的所有子标题与 .tabset 属性一起出现在选项卡中，而不是作为独立的部分；
.tabset-fade ：选项卡切换时淡入淡出；
.tabset-pills ：改变选项卡外观，使其类似 “药丸”。

外观与风格

1
2
3
4
5
6
7


---
title: "Habits"
output:
  html_document:
    theme: united
    highlight: tango
---

theme ：主题是从 Bootswatch 主题库中提取的，适用的主题包括：default, cerulean, journal, flatly, readable, spacelab, united, cosmo, lumen, paper, sandstone, simplex, 和 yeti.
highlight ：代码高亮模式。支持的风格包括： default, tango, pygments, kate, monochrome, espresso, zenburn, haddock 和 textmate.

图片选项

1
2
3
4
5
6
7
8


---
title: "Habits"
output:
  html_document:
    fig_width: 7
    fig_height: 6
    fig_caption: true
---

fig_width 和 fig_height ：图片宽度和高度；
fig_caption ：控制图片是否包括标题；
dev ：图片渲染格式，默认为 png。

表格打印

默认表格输出格式为：

Option	Description
default	Call the `print.data.frame` generic method
kable	Use the `knitr::kable` function
tibble	Use the `tibble::print.tbl_df` function
paged	Use `rmarkdown::print.paged_df` to create a pageable table

设定为 paged 格式后输出形式为：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


---
title: "Motor Trend Car Road Tests"
output:
  html_document:
    df_print: paged
---

​``` {r, rows.print=5}
mtcars
​``` 

TABLE 3.2: The options for paged HTML tables.

Option	Description
max.print	The number of rows to print.
max.print	The number of rows to print.
cols.print	The number of columns to display.
cols.min.print	The minimum number of columns to display.
pages.print	The number of pages to display under page navigation.
pages.print	The number of pages to display under page navigation.
rownames.print	When set to `FALSE` turns off row names.

代码折叠

1
2
3
4
5
6


---
title: "Habits"
output:
  html_document:
    code_folding: hide
---

code_folding: hide ：初始默认不显示代码，查看者可点击进行显示；
code_folding: show ：初始默认显示代码，查看者可点击进行隐藏；

高级定制

保留 Markdown 文件

当运行一个 R Markdown 文件（*.Rmd）时，将创造一个 Markdown 文件（*.md）并将该文件通过 Pandoc 转换为 HTML 文件。如果想要保留 Markdown 文件，可以使用 keep_md 选项：

1
2
3
4
5
6


---
title: "Habits"
output:
  html_document:
    keep_md: true
---

添加本地 HTML 文档

可以通过添加额外的 HTML 内容或完全替换核心 Pandoc 模板来完成更高级的输出定制。为了在文档头部或文档主体之前/之后包含内容，您可以使用以下选项：

1
2
3
4
5
6
7
8
9


---
title: "Habits"
output:
  html_document:
    includes:
      in_header: header.html
      before_body: doc_prefix.html
      after_body: doc_suffix.html
---

自定义模板

1
2
3
4
5
6


---
title: "Habits"
output:
  html_document:
    template: quarterly_report.html
---

有关模板的其他详细信息，请参考 Pandoc 模板上的文档。您还可以研究默认的 HTML 模板 default.html5 。

其他类型文档格式控制方式类似，如欲详细了解请参考原作。

数据可视化-formattable包

Jianfeng.Hao — Thu, 22 Mar 2018 14:00:11 +0800

该软件包使用预定义的格式化规则更加丰富形象地展示数据，
在存储原始数据的同时将输出结果用格式化输出，使数据在保留原有属性的基础上更加易读

加载包

这个包的功能很简单，但是却很具创意性，它颠覆了 R 语言数据以及数据表的呈现方式，数据方面提供了百分数、会计技术等多个 R 尚未支持的数据格式；数据表方面支持自定义视觉化元素，如对某一列数据进行字号、颜色、背景、以及图形化处理，整体的版式仍然保留表格的样式，但是已经具有了表和图结合的意味。

首先加载所需的程序包：

1
2
3


devtools::install_github("renkun-ken/formattable")
install.packages("formattable")
library("formattable")

格式化数据

该包提供了几个典型的可格式化对象，它们包括：percent, comma, currency, accounting 和 scientific 。这些对象实质上是具有预定义格式规则和参数的数值型向量。

percent

1
2
3
4
5
6
7


percent(x, digits = 2L, format = "f", ...)

## Default S3 method:
percent(x, digits = 2L, format = "f", ...)

## S3 method for class 'character'
percent(x, digits = NA, format = "f", ...)

参数列表： x：数值型向量 digits：一个整数，用于指示百分比字符串的位数 format：格式类型，传递给formatC

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


p <- percent(c(0.1, 0.02, 0.03, 0.12))
p

> # 函数保留了保留其数学运算属性
> p + 0.05
[1] 15.00% 7.00%  8.00%  17.00%
> mean(p)
[1] 6.75%

> # formattable格式继承了numeric属性，因而保留了数学运算能力
> class(p)
[1] "formattable" "numeric" 

comma

1
2
3
4
5
6
7
8


comma(x, digits, format = "f", big.mark = ",", ...)

## Default S3 method:
comma(x, digits = 2L, format = "f", big.mark = ",", ...)

## S3 method for class 'character'
comma(x, digits = max(get_digits(x)), format = "f",
  big.mark = ",", ...)

参数列表： x：数值型向量 digits：一个整数，用于指示百分比字符串的位数 format：格式类型，传递给formatC

1
2
3
4
5
6
7
8


> comma(1000000)
[1] 1,000,000.00
> comma(c(1250000, 225000))
[1] 1,250,000.00 225,000.00  
> comma(c(1250000, 225000), format = "d")
[1] 1,250,000 225,000  
> comma("123,345.123")
[1] 123,345.123

currency

1
2
3
4
5
6
7
8
9


currency(x, symbol, digits, format = "f", big.mark = ",", ..., sep = "")

## Default S3 method:
currency(x, symbol = "$", digits = 2L, format = "f",
  big.mark = ",", ..., sep = "")

## S3 method for class 'character'
currency(x, symbol = get_currency_symbol(x),
  digits = max(get_digits(x)), format = "f", big.mark = ",", ...)

参数列表： x：数值型向量 symbol：货币符号 digits：一个整数，用于指示百分比字符串的位数 format：格式类型，传递给formatC big.mark：千分隔符 sep：符号和值之间的分隔符

1
2
3
4
5
6
7
8


> currency(200000)
[1] $200,000.00
> currency(1200000, "USD", format = "d", sep = " ")
[1] USD 1,200,000
> currency("$ 120,250.50")
[1] $120,250.50
> currency("HK$ 120, 250.50")
[1] HK$120,250.50

accounting

1
2
3
4
5
6
7
8
9


accounting(x, digits = 2L, format = "f", big.mark = ",", ...)

## Default S3 method:
accounting(x, digits = 2L, format = "f", big.mark = ",",
  ...)

## S3 method for class 'character'
accounting(x, digits = max(get_digits(x)), format = "f",
  big.mark = ",", ...)

参数列表： x：数值型向量 digits：一个整数，用于指示小数位数 format：格式类型，传递给formatC big.mark：千分隔符

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


> # 两位小数，同时负值加括号
> balance <- accounting(c(1000, 500, 200, -150, 0, 1200))
> balance
[1] 1,000.00 500.00   200.00   (150.00) 0.00     1,200.00
> accounting(c(1200, -3500, 2600), format = "d")
[1] 1,200   (3,500) 2,600  

> # 函数保留了保留其数学运算属性
> balance + 1000
[1] 2,000.00 1,500.00 1,200.00 850.00   1,000.00 2,200.00

scientific

1

scientific(x, format = c("e", "E"), digits = 4, ...)

参数列表： x：数值型向量 digits：一个整数，用于指示小数位数 format：格式类型，传递给formatC

1
2
3
4


> scientific(1253421, digits = 8)
[1] 1.25342100e+06
> scientific(1253421, digits = 8, format = "E")
[1] 1.25342100E+06

复杂数据结构

formattable() 将高度可定制的格式应用于各种类的对象，如 numeric, logical, factor, Date, data.frame 等。例如，数据框可能也可存储格式化的列向量（这是自然地，因为数据框就是由若干个等长的向量组成的）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


> df <- data.frame(
+   id = c(1, 2, 3, 4, 5), 
+   name = c("A1", "A2", "B1", "B2", "C1"),
+   balance = accounting(c(52500, 36150, 25000, 18300, 7600), format = "d"),
+   growth = percent(c(0.3, 0.3, 0.1, 0.15, 0.15), format = "d"),
+   ready = formattable(c(TRUE, TRUE, FALSE, FALSE, TRUE), "yes", "no"))
> df
  id name balance growth ready
1  1   A1  52,500    30%   yes
2  2   A2  36,150    30%   yes
3  3   B1  25,000    10%    no
4  4   B2  18,300    15%    no
5  5   C1   7,600    15%   yes

格式化数据表

举个栗子

普通的表格数据如下所示：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23


> df <- data.frame(
+   id = 1:10,
+   name = c("Bob", "Ashley", "James", "David", "Jenny", 
+            "Hans", "Leo", "John", "Emily", "Lee"), 
+   age = c(28, 27, 30, 28, 29, 29, 27, 27, 31, 30),
+   grade = c("C", "A", "A", "C", "B", "B", "B", "A", "C", "C"),
+   test1_score = c(8.9, 9.5, 9.6, 8.9, 9.1, 9.3, 9.3, 9.9, 8.5, 8.6),
+   test2_score = c(9.1, 9.1, 9.2, 9.1, 8.9, 8.5, 9.2, 9.3, 9.1, 8.8),
+   final_score = c(9, 9.3, 9.4, 9, 9, 8.9, 9.25, 9.6, 8.8, 8.7),
+   registered = c(TRUE, FALSE, TRUE, FALSE, TRUE, TRUE, TRUE, FALSE, FALSE, FALSE),
+   stringsAsFactors = FALSE)
> df
   id   name age grade test1_score test2_score final_score registered
1   1    Bob  28     C         8.9         9.1        9.00       TRUE
2   2 Ashley  27     A         9.5         9.1        9.30      FALSE
3   3  James  30     A         9.6         9.2        9.40       TRUE
4   4  David  28     C         8.9         9.1        9.00      FALSE
5   5  Jenny  29     B         9.1         8.9        9.00       TRUE
6   6   Hans  29     B         9.3         8.5        8.90       TRUE
7   7    Leo  27     B         9.3         9.2        9.25       TRUE
8   8   John  27     A         9.9         9.3        9.60      FALSE
9   9  Emily  31     C         8.5         9.1        8.80      FALSE
10 10    Lee  30     C         8.6         8.8        8.70      FALSE

格式化表格，具有以下可视化效果：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


> formattable(df, 
+             list(
+               age = color_tile("white", "orange"),
+               grade = formatter(
+                 "span", 
+                 style = x ~ ifelse(x == "A", style(color = "green", font.weight = "bold"), NA)
+               ),
+               area(col = c(test1_score, test2_score)) ~ normalize_bar("pink", 0.2),
+               final_score = formatter(
+                 "span",
+                 style = x ~ style(color = ifelse(rank(-x) <= 3, "green", "gray")),
+                 x ~ sprintf("%.2f (rank: %02d)", x, rank(-x))
+               ),
+               registered = formatter(
+                 "span",
+                 style = x ~ style(color = ifelse(x, "green", "red")),
+                 x ~ icontext(ifelse(x, "ok", "remove"), ifelse(x, "Yes", "No"))
+               )
+             )
+ )

表格中使用的图标集由GLYPHICONS.com提供并包含在Bootstrap中。

注意到一共用了 文字格式自定义、文字背景自定义、文本自定义 三种自定义可视化类型：

color_tile函数用于输出按照数值量级进行颜色背景填充的列。

formatter函数提供字体显示格式的自定义，grade列自定义了值为A的记录显示绿色，并将字体加粗，否则忽略。 test1_score, test2_score两列通过area函数在对应字体背景位置使用条形图来代表指标量级大小，颜色填充粉色。 final_score列对指标按照top3显示绿色，其余显示灰色，同时将内容显示格式自定义为浮点型+(rank:名次)进行显示。 registered列则在对填充颜色按照对应布尔值进行显示（TRUE显示绿色、FALSE显示红色）之外，在左侧添加了对用的icon文本（TRUE显示绿色对号，FALSE显示红色叉号）。

文字格式自定义

color_text

1

formattable(mtcars, list(mpg = color_text("black", "red")))

formatter

1

formatter(.tag, style = ...)

参数列表： .tag：HTML 标签，默认为 span style：CSS语句注：类似 x ~ expr 的公式将表现得像 function(x) expr

诸多CSS样式于此可见：List of CSS properties

文字背景自定义

色块函数

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


# color_tile("color1", "color2")
# 输出按照数值量级进行颜色背景填充的列
formattable(mtcars, list(mpg = color_tile("white", "pink")))

# color_bar(color = "lightgray", fun = "proportion", ...)
# 输出有颜色填充的，大小以数值量级为比例的色块
formattable(mtcars, list(mpg = color_bar("lightgray", proportion)))

# normalize_bar(color = "lightgray", ...)
# proportion_bar(color = "lightgray", ...)
# 按正常配置输出大小以数值量级为比例的色块
formattable(mtcars, list(mpg = normalize_bar()))
formattable(mtcars, list(mpg = proportion_bar()))

area

1

area(row, col) ~ formatter/normalize_bar……

参数列表： row/col：选取的行与列，默认为全选

文本自定义

icontext

1

icontext(icon, text = list(NULL), ...)

参数列表： icon：图标名称的字符矢量或字符矢量列表 text：文本的字符向量

使用的图标集由GLYPHICONS.com提供并包含在Bootstrap中。

致谢

参考文章

Github：任坤的formattable项目

杜雨：一款脑洞大开的表格可视化神器

数据操作-apply函数族

Jianfeng.Hao — Thu, 15 Mar 2018 12:19:00 +0800

R 作为一种向量化的编程语言，一大特征便是以向量计算替代了循环计算，使效率大大提升。
apply函数族正是为解决数据循环处理问题而生的 —— 面向不同数据类型，生成不同返回值的包含8个相关函数的函数族。

为何要用apply？

在使用 R 时，要尽量用 array 的方式思考，避免 for 循环，写过多的 for 循环代码，最后把 R 代码写的跟 C 似得说明你没有进入 R 的思考方式，是一种费力不讨好的行为。那么不用循环怎么实现迭代呢？apply函数族是一把利器，它不是一个函数，而是一族功能类似的函数。

语法详解

apply

1

apply(X, margin, FUN, ...)

参数列表： X：数组、矩阵、数据框 margin：按维度运算，1表示按行，2表示按列，c(1,3)表示第1、3维 FUN：要使用的函数

{% label info@举例阐释 %}

1
2
3
4
5
6
7
8
9


> mat <- matrix(1:12, 3, 4)
> mat
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

> apply(mat, 2, sum)
[1]  6 15 24 33

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


> ary <- array(1:12, c(2,3,2))
> ary
, , 1
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
, , 2
     [,1] [,2] [,3]
[1,]    7    9   11
[2,]    8   10   12

> apply(ary, c(1,3), sum)
     [,1] [,2]
[1,]    9   27
[2,]   12   30

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


> data <- data.frame(x1=1:5, x2=6:10)
> data
  x1 x2
1  1  6
2  2  7
3  3  8
4  4  9
5  5 10

> apply(data, 2, mean)
x1 x2 
 3  8 

tapply

1

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

参数列表： X：向量、数组 INDEX：用于分组的索引 FUN：要使用的函数 simplify : 是否数组化，当值TRUE时，输出结果按数组进行分组输出

{% label info@举例阐释 %}

1
2
3
4


> x <- 1:6
> INDEX <- c('a','a','b','c','c','c')
> tapply(x, INDEX)
[1] 1 1 2 3 3 3

1
2
3


> tapply(x, INDEX, sum)
 a  b  c 
 3  3 15 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


> mat <- matrix(1:10, 2)
> mat
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10
> INDEX <- matrix(c(rep(1,5), rep(2,5)), nrow=2)
> INDEX
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    1    1    2    2
[2,]    1    1    2    2    2
> tapply(mat, INDEX)
 [1] 1 1 1 1 1 2 2 2 2 2
> tapply(mat, INDEX, mean)
1 2 
3 8 

lapply

1

lapply(X, FUN, ...)

参数列表： X：列表、向量、数据框 FUN：要使用的函数

{% label info@举例阐释 %}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


> lst <- list(a=1:10, b=seq(0,7,2), c=c(2,5,8))
> lst
$a
 [1]  1  2  3  4  5  6  7  8  9 10
$b
[1] 0 2 4 6
$c
[1] 2 5 8

> lapply(lst, mean)
$a
[1] 5.5
$b
[1] 3
$c
[1] 5

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


> data <- data.frame(x1=1:5, x2=6:10)
> data
  x1 x2
1  1  6
2  2  7
3  3  8
4  4  9
5  5 10
> lapply(data, sum)
$x1
[1] 15
$x2
[1] 40

1
2
3
4
5
6
7


> isLeapYear <- function(a){
+   if( (a%%4==0 & a%/%100!=0) | a%%400==0 )
+     a
+ }
> a <- 1900:1910
> unlist(lapply(a, isLeapYear))
[1] 1900 1904 1908

rapply

1

rapply(list, f, classes = "ANY", deflt = NULL,how = c("unlist", "replace", "list"), ...)

参数列表： list：列表 f：要使用的函数 classes：匹配类型, ANY为所有类型 deflt: 非匹配类型的默认值 how: 3种操作方式，

replace：则用调用f后的结果替换原list中原来的元素；

list：新建一个list，类型匹配调用f函数，不匹配赋值为deflt；

unlist：执行一次unlist(recursive = TRUE)操作

{% label info@举例阐释 %}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24


> lst <- list(a=list(aa=c(1:5), ab=c(6:10)), b=list(ba=c(1:10)))
> lst
$a
$a$aa
[1] 1 2 3 4 5
$a$ab
[1]  6  7  8  9 10
$b
$b$ba
 [1]  1  2  3  4  5  6  7  8  9 10

> rapply(lst, sum, how="replace")  # 输出结果为list
$a
$a$aa
[1] 15
$a$ab
[1] 40
$b
$b$ba
[1] 55

> rapply(lst, sum, how="unlist")   # 输出结果为vector
a.aa a.ab b.ba 
  15   40   55 

sapply

1

sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE)

参数列表： X：列表、向量、数据框 FUN：要使用的函数 simplify: 若FALSE，等价于lapply。否则，将lapply输出的list简化为vector或matrix USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

{% label info@举例阐释 %}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


> lst <- list(a=c(1:5), b=c(6:10))
> sapply(lst, sum, simplify = F)    # 输出list
$a
[1] 15
$b
[1] 40

> sapply(lst, sum)                  # 输出vector
 a  b 
15 40 

> sapply(lst, fivenum)              # 输出matrix
     a  b
[1,] 1  6
[2,] 2  7
[3,] 3  8
[4,] 4  9
[5,] 5 10

1
2
3
4
5
6
7
8


> val <- head(letters)
> val
[1] "a" "b" "c" "d" "e" "f"
> sapply(val, paste)
  a   b   c   d   e   f 
"a" "b" "c" "d" "e" "f" 
> sapply(val, paste, USE.NAMES = F)
[1] "a" "b" "c" "d" "e" "f"

vapply

1

vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)

参数列表： X：列表、数据框 FUN：要使用的函数 FUN.VALUE：定义返回值的行名row.names USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

{% label info@举例阐释 %}

1
2
3
4
5
6


> lst <- list(a=c(1:5), b=c(6:10))
> res <- vapply(lst, function(x) c(min(x), max(x)), c(min.=0, max.=0))
> res
     a  b
min. 1  6
max. 5 10

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


> data <- data.frame(cbind(x1=3, x2=c(2:1,4:5)))
> data
  x1 x2
1  3  2
2  3  1
3  3  4
4  3  5

> vapply(data, cumsum, FUN.VALUE=c('a'=0,'b'=0,'c'=0,'d'=0))
  x1 x2
a  3  2
b  6  3
c  9  7
d 12 12

mapply

1

mapply(FUN, ..., MoreArgs=NULL, SIMPLIFY=TRUE, USE.NAMES=TRUE)

参数列表： FUN：要使用的函数 …: 接收多个数据(list、vector) MoreArgs: FUN的参数列表 simplify: 若FALSE，输出list。否则，将输出的list简化为vector或matrix USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

{% label info@举例阐释 %}

1
2
3


> mapply(sum, list(a=1,b=2,c=3), list(a=10,b=20,d=30))
 a  b  c 
11 22 33 

1
2
3
4
5
6
7
8


> a <- 1:10
> b <- 5:-4
> a
 [1]  1  2  3  4  5  6  7  8  9 10
> b
 [1]  5  4  3  2  1  0 -1 -2 -3 -4
> mapply(max, a, b)
 [1]  5  4  3  4  5  6  7  8  9 10

1
2
3
4
5


> mapply(function(x,y) c(x+y, x^y, x-y), c(1:5), c(1:5))
     [,1] [,2] [,3] [,4] [,5]
[1,]    2    4    6    8   10
[2,]    1    4   27  256 3125
[3,]    0    0    0    0    0

eapply

1

eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)

参数列表： env: 环境空间 FUN：要使用的函数 all.names: 匹配类型, ANY为所有类型 USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

{% label info@举例阐释 %}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21


> # 定义一个环境空间
> env <- new.env()
> # 向这个环境空间中存入3个变量
> env$a <- 1:10
> env$b <- exp(-3:3)
> env$logic <- c(TRUE, FALSE, FALSE, TRUE)

> ls(env)      # 查看env空间中的变量
[1] "a"     "b"     "logic"
> ls.str(env)  # 查看env空间中的变量字符串结构
a :  int [1:10] 1 2 3 4 5 6 7 8 9 10
b :  num [1:7] 0.0498 0.1353 0.3679 1 2.7183 ...
logic :  logi [1:4] TRUE FALSE FALSE TRUE

> eapply(env, mean)   # 计算env环境空间中所有变量的均值
$a
[1] 5.5
$b
[1] 4.535125
$logic
[1] 0.5

应用及拓展

应用展示

原始数据为按年份year、地区loc和商品类别type进行统计的销售量。我们要制作两个销售总量的crosstable，一个以年份为行、地区为列，一个以年份为行，类别为列。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31


> df <- data.frame(year=kronecker(2001:2003, rep(1,4)), 
                 loc=c('beijing','beijing','shanghai','shanghai'), 
                 type=rep(c('A','B'),6), sale=rep(1:12))
> df
   year      loc type sale
1  2001  beijing    A    1
2  2001  beijing    B    2
3  2001 shanghai    A    3
4  2001 shanghai    B    4
5  2002  beijing    A    5
6  2002  beijing    B    6
7  2002 shanghai    A    7
8  2002 shanghai    B    8
9  2003  beijing    A    9
10 2003  beijing    B   10
11 2003 shanghai    A   11
12 2003 shanghai    B   12

> tapply(df$sale, df[,c('year','loc')], sum)
      loc
year   beijing shanghai
  2001       3        7
  2002      11       15
  2003      19       23

> tapply(df$sale, df[,c('year','type')], sum)
      type
year    A  B
  2001  4  6
  2002 12 14
  2003 20 22

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29


> list1 <- list(a=1:5, b=list(c=1:4, d=5:9))
> list1
$a
[1] 1 2 3 4 5
$b
$b$c
[1] 1 2 3 4
$b$d
[1] 5 6 7 8 9

> list2 <- list(a=1:5, b=list(c=5:8, d=1:5))
> list2
$a
[1] 1 2 3 4 5
$b
$b$c
[1] 5 6 7 8
$b$d
[1] 1 2 3 4 5

> "%+%" <- function(x,y) mapply("+", x, y)
> mapply("%+%", list1, list2)
$a
[1]  2  4  6  8 10
$b
$b$c
[1]  6  8 10 12
$b$d
[1]  6  8 10 12 14

致谢

参考文章

R语言apply函数族笔记

掌握R语言中的apply函数族

Dr. Feng Li-Personal Site