Tablas en R

En este artículo aprenderemos a realizar tablas o tabulaciones en R de manera eficiente.

En esta sesión explicaré como realizar tablas o tabulaciones para publicaciones académicas ya sea en formato .html (web) o .docx (Word). Comencemos.

Para ello necesitaremos tener instalados y desplegados los siguientes paquetes:

pacman::p_load(
  #manipulación de data
  tidyverse,
  #importar exportar data
  haven, rio,
  #tablas
  flextable, gtsummary,
  #etiquetas
  sjlabelled
)

Asimismo, utilizaremos la data de prueba alojada en el paquete {sjlabelled} denominada efc que es una muestra de la base de datos del proyecto EUROFAMCARE:

data(efc)

Esta data tiene la particularidad de tener variable label y value label que es metadata acerca de la variable y sus categorías. Esta data tiene 26 variables y 908 observaciones.

efc %>% 
  names()

 [1] "c12hour"  "e15relat" "e16sex"   "e17age"   "e42dep"   "c82cop1" 
 [7] "c83cop2"  "c84cop3"  "c85cop4"  "c86cop5"  "c87cop6"  "c88cop7" 
[13] "c89cop8"  "c90cop9"  "c160age"  "c161sex"  "c172code" "c175empl"
[19] "barthtot" "neg_c_7"  "pos_v_4"  "quol_5"   "resttotn" "tot_sc_e"
[25] "n4pstu"   "nur_pst" 

Si observamos la metadata de las cinco primeras variables veremos lo siguiente:

efc %>%
  select(1:5) %>%
  sjPlot::view_df()

Data frame: .

ID	Name	Label	Values	Value Labels
1	c12hour	average number of hours of care per week	range: 4-168
2	e15relat	relationship to elder	1 2 3 4 5 6 7 8	spouse/partner child sibling daughter or son -in-law ancle/aunt nephew/niece cousin other, specify
3	e16sex	elder’s gender	1 2	male female
4	e17age	elder’ age	range: 65-103
5	e42dep	elder’s dependency	1 2 3 4	independent slightly dependent moderately dependent severely dependent

En name se encuentra el nombre de la variable que aparece en la base de datos (ej: efc$c12hour), en label podemos observar la etiqueta de la variable que precisa una descripción de la variable (ej: elder's gender), en values observamos los valores que aparece en la base de datos (ej: 1), y en value labels podemos observar la etiqueta de los valores que precisa una descripción de los valores (ej: male).

De esta manera, si vemos un preview de la base de datos veremos lo siguiente:

efc %>% 
  select(1:5) %>% 
  head()

Sin embargo, si queremos observar las etiquetas de los valores en la misma data podemos utilizar la función as_label() del paquete {sjlabelled}:

efc %>% 
  as_label() %>% 
  select(1:5) %>% 
  head()

Esta función nos será útil en nuestro proceso de construcción de las tablas.

Tablas básicas

La principal función de R base para hacer tablas es table() y nos permite realizar tablas simples de frecuencia. Por ejemplo:

table(as_label(efc$e16sex))

  male female 
   296    605 

Por suerte, actualmente existen paquetes que realizan un mejor trabajo en la construcción de tablas.

Tablas en HTML

El paquete {gtsummary} está basado a su vez en el paquete {gt} y nos permite realizar tablas que se renderizan bien en documento HTML, es decir, para la web. Por ejemplo:

efc %>% 
  as_label() %>%
  gtsummary::tbl_summary(include=e16sex)

Characteristic	N = 9081
elder's gender
male	296 (33%)
female	605 (67%)
Unknown	7
1 n (%)

Como podemos observar, este tipo de tablas nos permite contar con los datos de frecuencia, porcentaje, número total de casos de la base, inclusive cuántos valores perdidos tenemos (en este caso 7). Asimismo, nos permite realizar una tabla cruzada con otra variable.

efc %>% 
  as_label() %>% 
  gtsummary::tbl_summary(include=e16sex, by=e42dep)

Characteristic	independent, N = 661	slightly dependent, N = 2251	moderately dependent, N = 3061	severely dependent, N = 3041
elder's gender
male	23 (35%)	70 (31%)	109 (36%)	93 (31%)
female	43 (65%)	154 (69%)	197 (64%)	211 (69%)
Unknown	0	1	0	0
1 n (%)

La versatilidad de este paquete nos permite insertar una columna de totales y darle un formato específico a los porcentajes:

efc %>% 
  as_label() %>% 
  gtsummary::tbl_summary(
    include=e16sex, 
    by=e42dep,
    statistic = list(all_categorical() ~ "{p}%"),
    digits = list(everything() ~ 2)
    ) %>% 
  add_overall()

Characteristic	Overall, N = 9011	independent, N = 661	slightly dependent, N = 2251	moderately dependent, N = 3061	severely dependent, N = 3041
elder's gender
male	32.78%	34.85%	31.25%	35.62%	30.59%
female	67.22%	65.15%	68.75%	64.38%	69.41%
Unknown	1	0	1	0	0
1 %

Tablas para Word

Otro aspecto positivo del paquete {gtsummary} es que nos permite convertir las tablas HTML en otros formatos más adecuados para documentos PDF y Word como son las tablas del paquete {flextable}. De esta manera, podemos realizar una tabla de cruces en {gtsummary} y luego convertirla a {flextable}:

efc %>% 
  as_label() %>% 
  gtsummary::tbl_summary(
    include=e16sex, 
    by=e42dep,
    statistic = list(all_categorical() ~ "{p}%"),
    digits = list(everything() ~ 2)
    ) %>% 
  add_overall() %>% 
  as_flex_table()

<<<<<<< HEAD

Por último, el mismo paquete {flextable} brinda funciones para generar tablas flextable desde el inicio, antes que convertir las tablas del paquete {gtsummary}. Las tablas {flextable} tienen sus propias ventajas como, por ejemplo, darle un formato condicional a los colores de la tabla:

efc %>% 
  as_label() %>% 
  group_by(e16sex, e42dep) %>% 
  drop_na() %>% 
  summarise(n=n()) %>% 
  group_by(e42dep) %>% 
  mutate(n=janitor::round_half_up(n/sum(n)*100, 2)) %>% 
  pivot_wider(values_from = n, names_from = e42dep) %>% 
  flextable() %>% 
  bg(i = ~independent > 65,
     j = 2,
     bg = "red",
      part = "body") %>% 
  bg(i = ~`slightly dependent` > 65,
     j = 3,
     bg = "red",
      part = "body") %>% 
  bg(i = ~`moderately dependent` > 65,
     j = 4,
     bg = "red",
      part = "body") %>% 
  bg(i = ~`severely dependent` > 65,
     j = 5,
     bg = "red",
      part = "body")

<<<<<<< HEAD

En este ejemplo, le estamos indicando a flextable que si el valor de la celda es mayor a 65% entonces que lo coloree de rojo.

Más recursos para aprender:

• flextable

• gtsummary