全了！！表格可视化制作技巧大汇总~~

DataCharm

发布于 2021-08-25 10:28:21

1.5K0

发布于 2021-08-25 10:28:21

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

今天小编就来汇总一下R中表格(Table) 绘制方法，让你的数据展示不再单一。这里主要包括单一表格绘制和可视化+表格两个方面。虽然表格制作可能Excel更擅长，但考虑到连贯性等问题，这里这里还是觉得有必要介绍一下，具体内容如下：

R-单一表格绘制
R-可视化+表格的”混搭“

R-单一表格绘制

这一部分可能有很多优秀的第三方包可以制作，这里小编主要介绍3个优秀的表格制作包，分别为R-DT、R-gt和R-sjPlot，其他表格绘制工具小编也会在这一部分结尾处汇总。

R-DT交互式表格制作

R-DT包可生成交互式HTML表格，这里小编举几个例子，如下：

「样例一」：

library(DT)
datatable(iris)

Example01 Of DT::datatable()

「样例二」：定制表格

# 定制表格
datatable(iris) %>% 
  formatStyle('Sepal.Length', fontWeight = styleInterval(5, c('normal', 'bold'))) %>%
  formatStyle(
    'Sepal.Width',
    color = styleInterval(c(3.4, 3.8), c('white', 'blue', 'red')),
    backgroundColor = styleInterval(3.4, c('gray', 'yellow'))
  ) %>%
  formatStyle(
    'Petal.Length',
    background = styleColorBar(iris$Petal.Length, 'steelblue'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  ) %>%
  formatStyle(
    'Species',
    transform = 'rotateX(45deg) rotateY(20deg) rotateZ(30deg)',
    backgroundColor = styleEqual(
      unique(iris$Species), c('lightblue', 'lightgreen', 'lightpink')
    ))

Example02 Of DT::datatable()

更多其他案例大家可参考：R-DT官网[1]

R-gt出版级别表格制作

首先，我们看一下gt绘制表格的主要参数，如下图(由于较为简单，这里直接给出英文原图)：

Parts Of a gt Table

「样例一」：

library(gt)
library(tidyverse)
library(glue)

# Define the start and end dates for the data range
start_date <- "2010-06-07"
end_date <- "2010-06-14"

# Create a gt table based on preprocessed
# `sp500` table data
sp500 %>%
  filter(date >= start_date & date <= end_date) %>%
  select(-adj_close) %>%
  gt() %>%
  tab_header(
    title = "S&P 500",
    subtitle = glue::glue("{start_date} to {end_date}")
  ) %>%
  fmt_date(
    columns = date,
    date_style = 3
  ) %>%
  fmt_currency(
    columns = c(open, high, low, close),
    currency = "USD"
  ) %>%
  fmt_number(
    columns = volume,
    suffixing = TRUE
  )

Example Of gt table make

更多其他案例大家可参考：R-gt官网[2]

R-sjPlot回归模型表格制作

R-sjPlot包之前有介绍过其绘制图表能力(),小编着重介绍其绘制表格的能力。

「注意」：其绘制的表格结果都是回归模型的结果。案例如下：

「样例一」：regression results table

library(sjPlot)
library(sjmisc)
library(sjlabelled)

# sample data
data("efc")
efc <- as_factor(efc, c161sex, c172code)

m1 <- lm(barthtot ~ c160age + c12hour + c161sex + c172code, data = efc)
tab_model(m1)

Example Of sjPlot::tab_model()

「样例二」：定制化绘制

tab_model(
  m1,
  CSS = list(
    css.depvarhead = 'color: red;',
    css.centeralign = 'text-align: left;', 
    css.firsttablecol = 'font-weight: bold;', 
    css.summary = 'color: blue;'
  )
)

Example Of sjPlot::tab_model(CSS=**)

更多其他案例大家可参考：R-sjPlot回归表格绘制[3]

当然，除了上面介绍的外，下面小编再汇总列出其他的优秀第三方R包，小伙伴们可自行选择学习哈~如下：

R-gtsummary
R-kableExtra
R-formattable
R-reactable
R-flextable

R-可视化+表格的”混搭“

这一部分小编主要介绍如何在可视化绘制(ggplot2体系) 中添加表格内容，用以更加生动的展现数据价值。这里主要介绍R-ggpubr包和R-ggpmisc包。内容如下：

ggpubr

R-ggpubr包之前的推文(统计绘图 | 一行代码教你绘制顶级期刊要求配图)也介绍其绘制科研图表的方便些，这次的推文则重点介绍其绘制表格的函数，当然还是可以和ggplot2图表对象一起展示的。如下：

「样例一」：

library(ggpubr)
df <- head(iris)

# Default table
# Remove row names using rows = NULL
ggtexttable(df, rows = NULL)

Example Of ggpubr::ggtexttable()

「样例二」：ttheme("mBlue")

ggtexttable(df, rows = NULL, theme = ttheme("mBlue"))

Example Of ggpubr::ggtexttable(theme = ttheme("mBlue"))

「样例三」：定义自己需要的表格

ggtexttable(df, rows = NULL,
           theme = ttheme(
             colnames.style = colnames_style(color = "white", fill = "#8cc257"),
             tbody.style = tbody_style(color = "black", fill = c("#e8f3de", "#d3e8bb"))
           )
)

Example Of ggpubr::ggtexttable() make table you want

更多其他案例大家可参考：R-ggpubr表格绘制[4]

ggpmisc

R-ggpmisc包中绘制表格的函数为stat_fit_tb(),其功能主要是一些统计结果和拟合结果进行表格展示，当然你也可以看下之前介绍的推文(统计绘图 | 一行代码教你绘制顶级期刊要求配图)。如下：

「样例一」：

library(ggpmisc)
library(ggrepel)
library(xts)
library(lubridate)
library(nlme)
library(quantreg)
library(broom)
library(broom.mixed)
set.seed(4321)
# generate artificial data
x <- 1:100
y <- (x + x^2 + x^3) + rnorm(length(x), mean = 0, sd = mean(x^3) / 4)
my.data <- data.frame(x, 
                      y, 
                      group = c("A", "B"), 
                      y2 = y * c(0.5,2),
                      block = c("a", "a", "b", "b"),
                      wt = sqrt(x))

可视化绘制：

formula <- y ~ x + I(x^2) + I(x^3)
plot04 <- ggplot(my.data, aes(x, y)) +
  geom_point(shape=21,fill="#BC3C28",colour="black",size=3) +
  geom_smooth(method = "lm", formula = formula) +
  stat_fit_tb(method = "lm",
              method.args = list(formula = formula),
              tb.vars = c(Parameter = "term", 
                          Estimate = "estimate", 
                          "s.e." = "std.error", 
                          "italic(t)" = "statistic", 
                          "italic(P)" = "p.value"),
              label.y = "top", label.x = "left",
              parse = TRUE) +
 labs(
    title = "Example of <span style='color:#D20F26'>ggpmisc::stat_fit_tb function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>stat_fit_tb()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed")  +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(face = 'bold',size = 12)
      )

Example01 Of ggpmisc::stat_fit_tb()

「样例二」：

ggplot(chickwts, aes(factor(feed), weight)) +
  stat_summary(fun.data = "mean_se") +
  stat_fit_tb(tb.type = "fit.anova", label.x = "left", size = 3) +
  scale_x_discrete(expand = expansion(mult = c(0.2, 0.5))) +
  coord_flip() +
   labs(
    title = "Example of <span style='color:#D20F26'>ggpmisc::stat_fit_tb function</span>",
    subtitle = "processed charts with <span style='color:#1A73E8'>stat_fit_tb()</span>",
    caption = "Visualization by <span style='color:#0057FF'>DataCharm</span>") +
  hrbrthemes::theme_ipsum(base_family = "Roboto Condensed")  +
  theme(
    plot.title = element_markdown(hjust = 0.5,vjust = .5,color = "black",
                                  size = 20, margin = margin(t = 1, b = 12)),
    plot.subtitle = element_markdown(hjust = 0,vjust = .5,size=15),
    plot.caption = element_markdown(face = 'bold',size = 12)
      )