Datensätze bändigen & visualisieren mit R


Benedikt Philipp Kleer
11. Oktober 2021



Tabellen publizierbar erstellen mit gt

Das package gt inkludiert hilfreiche Funktionen, um Tabellen aus R in ein Format zu exportieren, das in wissenschaftlichen Arbeiten oder bei Präsentationen genutzt werden kann.

Das Paket ist umfassend und hier werden nur einführende Schritte dargestellt, die aber für erste Projekte im BA-Studium hilfreich sind. Die genaue Dokumentation findet sich in der Benutzerdokumentation.

Die generelle Funktionslogik erfolgt bei gt wie folgt:

Aufbau-Logik eines tables in gt

All diese verschiedenen Felder können einzeln angesprochen werden und verändert werden.

Bevor wir nun mit den Beispielen starten, müssen wir das package selbst laden als auch tidyverse.

# falls noch nicht installiert
# install.packages("gt", 
#                 dependencies = TRUE)
# install.packages("tidyverse",
#                  dependencies = TRUE)

library("gt")
library("tidyverse")

Eine einfache Tabelle

Bevor wir nun Kreuztabellen darstellen, machen wir eine einfache Tabelle. Wir wollen zum Beispiel die Häufigkeiten für die Studienmotivation ausgeben lassen (mot).

table(uni$mot)

  0   1   2   3   4   5   6   7   8   9 
105  93  81 110 116  93  88 108  91 115 

Zuerst müssen wir mit tidyverse ein tibble schaffen, dass wir an gt übergeben können. Dazu wählen wir aus dem Datensatz die Variable mot aus, gruppieren die Daten nach mot und bilden dann mit summarize die jeweilige Summe unter den Ausprägungen der Variable mot (Funktion n()). Mit gt() erstellen wir dann die Tabelle:

uni %>% 
  select(mot) %>%  
  group_by(mot) %>% 
  summarise(n = n()) %>% 
  gt()
mot n
0 105
1 93
2 81
3 110
4 116
5 93
6 88
7 108
8 91
9 115

Jetzt ist das Format noch etwas unhandlich für Berichte oder Abschlussarbeiten und daher nutzen wir eine weitere Funktion aus tidyverse, nämlich pivot_wider(). Mit pivot_wider() können wir die Tabelle neu ordnen. Hierbei geben wir dann an, dass die Spaltennamen die Ausprägungen von mot sind und die Werte (also der Inhalt der ersten und einzigen Zeile) aus der vorherigen Spalte n entnommen werden.

uni %>% 
  select(mot) %>%  
  group_by(mot) %>% 
  summarise(n = n()) %>% 
  pivot_wider(names_from = mot,
              values_from = n) %>% 
  gt()
0 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 88 108 91 115

Fertig ist die Darstellung der absoluten Häufigkeiten der Variable mot. Dies sieht schon viel schöner aus als in der R Konsole (und ist auch als Bild exportierbar, dazu später mehr). Bevor nun einzelne Formatierungsmöglichkeiten in gt gezeigt werden, gehen wir über zu Kreuztabellen und zur Ausgabe prozentualer Häufigkeiten.

Kreuztabelle

Wir nehmen wieder ein Beispiel aus dem Trainingsdatensatz uni. Wir möchten eine Kreuztabelle zwischen Studienort (city) und Studienfach (study) erstellen. Wir möchten wissen, wie viele Personen jeweils in den einzelnen Städten die spezifischen Fächer studieren.

example
                     
                      Gießen Marburg Frankfurt
  Political Science       70      72        78
  Sociology               88      94        81
  Educational Science     95      96        74
  Psychology              85      88        79

Wir wir sehen ist die originäre R Ausgabe nicht gut visuell dargestellt und auch die bisher genutzten Pakete erhöhten zwar die readibility in der Konsole, konnten aber nicht den Export unterstützen. Für die Weiterverwendung in anderen Paketen eignet sich daher das package gt, mit dem wir Bilddateien aus den Tabellen erstellen können.

Hierbei greifen wir auf das Paket tidyverse zurück, in dem wir die Daten für das package gt manipulieren. Nehmen wir das Beispiel einer Kreuztabelle zwischen Studienort und Studienfach von oben. Zuerst selektieren wir zur Vereinfachung den Datensatz auf die zwei genutzten Variablen mit select(). Anschließend gruppieren wir die Daten mit group_by(). Danach nutzen wir summarize(), um die Summen der einzelnen Kombinationen zu bilden (also die späteren Zellen der Tabelle). Bevor wir dann die Funktion gt() aufrufen, nutzen wir eine weitere Funktion aus tidyverse, nämlich pivot_wider().

uni %>% 
  select(study, city) %>% 
  group_by(city, study) %>% 
  summarise(n = n()) %>%
  pivot_wider(names_from = city,
              values_from = n)

Wir sehen, dass wir nun ein tibble haben, der in der ersten Spalte die Ausprägungen von study hat, und die zweite bis vierte Spalte stellen die Ausprägungen von city dar. In den einzelnen Feldern befindet sich die Summe der einzelnen Paare.

Kreuztabelle mit gt

Als nächstes werden wir jetzt dann die Funktion gt() aufrufen:

uni %>% 
  select(study, city) %>% 
  group_by(city, study) %>% 
  summarise(n = n()) %>%
  pivot_wider(names_from = city, 
              values_from = n) %>% 
  gt()
study Gießen Marburg Frankfurt
Political Science 70 72 78
Sociology 88 94 81
Educational Science 95 96 74
Psychology 85 88 79

Nun sehen wir die erste mit gt erzeugte Kreuztabelle. Bevor wir nun in die Formatierung der Tabelle gehen, schaffen wir erst prozentuale Ausgaben. Wichtig hierbei: Die Konvention ist, dass wir Spaltenprozente erstellen.

uni %>%
  select(study, city) %>% 
  group_by(city, study) %>%
  summarise(n = n()) %>%
  mutate(prop = n / sum(n))%>%   # neue prozentualer Anteil nach Spalten!
  pivot_wider(names_from = city, 
              values_from = prop) %>% 
  gt()
study n Gießen Marburg Frankfurt
Political Science 70 0.2071006 NA NA
Sociology 88 0.2603550 NA NA
Educational Science 95 0.2810651 NA NA
Psychology 85 0.2514793 NA NA
Political Science 72 NA 0.2057143 NA
Sociology 94 NA 0.2685714 NA
Educational Science 96 NA 0.2742857 NA
Psychology 88 NA 0.2514286 NA
Political Science 78 NA NA 0.2500000
Sociology 81 NA NA 0.2596154
Educational Science 74 NA NA 0.2371795
Psychology 79 NA NA 0.2532051

Das Ergebnis irritiert etwas, denn wir haben doppelte Spalten. Dies liegt daran, dass wir weiterhin noch die absoluten Zahlen als Spalte (n) mit übergeben haben. Diese schließen wir einfach über subset() aus:

uni %>%
  select(study, city) %>% 
  group_by(city, study) %>%
  summarise(n = n()) %>%
  mutate(prop = n / sum(n))%>%   # neue prozentualer Anteil nach Spalten!
  subset(select = c("city", "study", "prop")) %>% # die zwei Variablen und prop! 
  pivot_wider(names_from = city, 
              values_from = prop) %>% 
  gt()
study Gießen Marburg Frankfurt
Political Science 0.2071006 0.2057143 0.2500000
Sociology 0.2603550 0.2685714 0.2596154
Educational Science 0.2810651 0.2742857 0.2371795
Psychology 0.2514793 0.2514286 0.2532051

Nun haben wir also eine Kreuztabelle mit absoluten Häufigkeiten und eine mit relativen Häufigkeiten. In den nächsten Schritten wird die Tabelle formatiert.

Formatierungen in gt

Um die Tabellen nun zu formatieren, speichern wir diese zuerst in einem Objekt: Denn R ist objektorientiert! Wir nehmen die absolute Häufigkeitstabelle der Variable mot und die prozentuale Kreuztabelle ziwschen city und study. Wichtig hierbei: Erinnere dich an die Abbildung zu Beginn, in der alle einzelnen Bereiche einer gt-Tabelle benannt waren!

single <- uni %>% 
  select(mot) %>%  
  group_by(mot) %>% 
  summarise(n = n()) %>% 
  pivot_wider(names_from = mot,
              values_from = n) %>% 
  gt()

cross <- uni %>%
  select(study, city) %>% 
  group_by(city, study) %>%
  summarise(n = n()) %>%
  mutate(prop = n / sum(n))%>%    
  subset(select = c("city", "study", "prop")) %>% 
  pivot_wider(names_from = city, values_from = prop) %>% 
  gt()

Titel ändern

Zuerst fügen wir der Häufigkeitstabelle nun einen Titel hinzu, damit klar ist, um was für Daten es sich handelt.

single %>% 
  tab_header(title = "Abs. Häufigkeit von Studienmotivation")
Abs. Häufigkeit von Studienmotivation
0 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 88 108 91 115

Alignment ändern

Wie wir sehen, sind die Spalten rechts ausgerichtet, dies können wir ebenfalls ändern und zentrieren es nun:

single %>% 
  tab_header(title = "Abs. Häufigkeit von Studienmotivation") %>% 
  cols_align(align = c("center"))  # auch möglich: auto, left, right
Abs. Häufigkeit von Studienmotivation
0 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 88 108 91 115

Quelle & Fußnote hinzufügen

Oft werden unter Tabellen Quellen oder Anmerkungen angegeben, dies können wir auch ganz einfach mit gtmachen:

single %>%
  tab_header(title = md("Abs. Häufigkeit von Studienmotivation")) %>% 
  cols_align(align = c("center")) %>% 
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>%
  tab_source_note(source_note = md("Anmerkungen: Mit *md()* können Textformatierungen wie in Markdown vorgenommen **werden**."))  
Abs. Häufigkeit von Studienmotivation
0 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 88 108 91 115
Quelle: eigene Erhebung.
Anmerkungen: Mit md() können Textformatierungen wie in Markdown vorgenommen werden.

Manchmal möchte man zu einzelnen Werten auch eine Fußnote einfügen. Wir fügen jetzt eine Fußnote zum Wert 0 ein. Hierbei muss unterschieden werden, ob im cells body oder in den column labels eine Fußnote hinzugefügt werden soll. Wir fügen die erste Fußnote in ein column label ein und die zweite Fußnote in eine Zelle der Tabelle. Wenn wir im column label eine Fußnote hinzufügen wollen, benutzen wir in der Funktion tab_footnote() im Argument locations die Funktion cells_column_labels() und geben unter columns die spezifische Spalte an. Wenn wir in einer Zelle eine Fußnote setzen wollen, nutzen wir im Argument locations die Funktion cells_body() und geben dort in den Argumenten columns und rows die Position(en) an. Dies können auch mehrere sein (mit c() oder 1:3):

single %>%
  tab_header(title = md("Abs. Häufigkeit von Studienmotivation")) %>% 
  cols_align(align = c("center")) %>% 
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>%
  tab_source_note(source_note = md("Anmerkungen: Mit *md()* können Textformatierungen vorgenommen **werden**.")) %>% 
  tab_footnote(footnote = md("Ein Wert von *0* bedeutet **keinerlei Studienmotivation**."),
               locations = cells_column_labels(columns = "0")) %>% 
  tab_footnote(footnote = md("***Dies ist einfach nur ein Test.***"),
               locations = cells_body(columns = 7,
                                      rows = 1))
Abs. Häufigkeit von Studienmotivation
01 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 882 108 91 115
Quelle: eigene Erhebung.
Anmerkungen: Mit md() können Textformatierungen vorgenommen werden.

1 Ein Wert von 0 bedeutet keinerlei Studienmotivation.

2 Dies ist einfach nur ein Test.

Spaltenbreite ändern

Als kleineres Manko sehen wir jetzt noch, dass die Spalten unterschiedlich breit sind. Dies können wir über cols_width() ändern. Hierbei können wir einzelnen Spalten aufrufen oder einen Bereich an Spalten festlegen. Wir könnten z.B. die Breite von Spalte 4 erhöhen. Hierzu nutzen wir die Hilfsfunktion px(), die die Größe in Pixel angibt.

single %>%
  tab_header(title = md("Abs. Häufigkeit von Studienmotivation")) %>% 
  cols_align(align = c("center")) %>% 
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>%
  tab_source_note(source_note = md("Anmerkungen: Mit *md()* können Textformatierungen vorgenommen **werden**.")) %>% 
  tab_footnote(footnote = md("Ein Wert von *0* bedeutet **keinerlei Studienmotivation**."),
               locations = cells_column_labels(columns = "0")) %>% 
  tab_footnote(footnote = md("***Dies ist einfach nur ein Test.***"),
               locations = cells_body(columns = 7,
                                      rows = 1)) %>% 
  cols_width(4 ~ px(80))
Abs. Häufigkeit von Studienmotivation
01 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 882 108 91 115
Quelle: eigene Erhebung.
Anmerkungen: Mit md() können Textformatierungen vorgenommen werden.

1 Ein Wert von 0 bedeutet keinerlei Studienmotivation.

2 Dies ist einfach nur ein Test.

Am häufigsten passt man die Breite aller Spalten an, damit die Tabelle gleichmäßig ist: Dies geschieht über die Funktion everything():

single %>%
  tab_header(title = md("Abs. Häufigkeit von Studienmotivation")) %>% 
  cols_align(align = c("center")) %>% 
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>%
  tab_source_note(source_note = md("Anmerkungen: Mit *md()* können Textformatierungen vorgenommen **werden**.")) %>% 
  tab_footnote(footnote = md("Ein Wert von *0* bedeutet **keinerlei Studienmotivation**."),
               locations = cells_column_labels(columns = "0")) %>% 
  tab_footnote(footnote = md("***Dies ist einfach nur ein Test.***"),
               locations = cells_body(columns = 7,
                                      rows = 1)) %>% 
  cols_width(everything() ~ px(45))
Abs. Häufigkeit von Studienmotivation
01 1 2 3 4 5 6 7 8 9
105 93 81 110 116 93 882 108 91 115
Quelle: eigene Erhebung.
Anmerkungen: Mit md() können Textformatierungen vorgenommen werden.

1 Ein Wert von 0 bedeutet keinerlei Studienmotivation.

2 Dies ist einfach nur ein Test.

Schriftart & Schriftgröße ändern

Innerhalb von tab_options() gibt es eine Vielzahl von Optionen. Um Schriftarten zu ändern, muss man zuvor das package extrafont laden.

install.packages("extrafont", 
                 dependencies = TRUE)

library("extrafont")

#for mac
loadfonts(quiet = TRUE)

# for windows
loadfonts(device = "win",
          quiet = TRUE)

So könnten wir die folgenden Anpassungen zum Beispiel vornehmen. Verändere den Code in der Funktion tab_options() einfach stellenweise, um zu sehen, was sich in der Darstellung ändert:

single %>%
  tab_header(title = md("Abs. Häufigkeit von Studienmotivation")) %>% 
  cols_align(align = c("center")) %>% 
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>%
  tab_source_note(source_note = md("Anmerkungen: Mit *md()* können Textformatierungen vorgenommen **werden**.")) %>% 
  tab_footnote(footnote = md("Ein Wert von *0* bedeutet **keinerlei Studienmotivation**"),
               locations = cells_body(columns = c(1, 5), rows = 1)) %>% 
  cols_width(everything() ~ px(45)) %>% 
  tab_options(table.font.names = "Candara",
              table.font.size = 12,
              heading.title.font.size = 14,
              column_labels.font.size = 13,
              source_notes.font.size = 9)
Abs. Häufigkeit von Studienmotivation
0 1 2 3 4 5 6 7 8 9
1051 93 81 110 1161 93 88 108 91 115
Quelle: eigene Erhebung.
Anmerkungen: Mit md() können Textformatierungen vorgenommen werden.

1 Ein Wert von 0 bedeutet keinerlei Studienmotivation

Dies stellt nur einen Ausschnitt der Funktionsmöglichkeiten von gt dar. Es können auch einzelne Zellen spezifisch farbig gestaltet werden und auch nach einer weiteren Variable dargestellt werden. Dazu ist ein Blick in die Benutzerdokumentation hilfreich.

Anpassungen bei Kreuztabellen

Nun wollen wir abschließend noch die Kreuztablle anpassen. Wir übernehmen die oben eingeführten Anpassungen für den Title, die Spaltenbreite und die Quelle. Die erste Spalte machen wir nun aber breiter als die anderen. Auch richten wir die erste Spalte links aus (wie nach Konvention üblich).

cross %>% 
  tab_header(title = md("Studienort & Studienwahl")) %>% 
  cols_align(align = "left",
             columns = study) %>% 
  cols_align(align = "center",
             columns = c("Gießen", "Marburg", 'Frankfurt')) %>%  
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>% 
  cols_width(study ~ px(150),
             everything() ~ px(100)) 
Studienort & Studienwahl
study Gießen Marburg Frankfurt
Political Science 0.2071006 0.2057143 0.2500000
Sociology 0.2603550 0.2685714 0.2596154
Educational Science 0.2810651 0.2742857 0.2371795
Psychology 0.2514793 0.2514286 0.2532051
Quelle: eigene Erhebung.

Was wir an dieser Stelle noch anpassen wollen, ist das die Zellen jeweils auf zwei Nachkommastellen gerundet werden. Dazu nutzen wir fmt(). Mit dem Argument columns bestimmen wir in welchen Zeilen gerundet werden soll, mit dem Argument decimals legen wir die Dezimalstellen fest und wer das Dezimalzeichen ändern möchte, kann dies im Argument dec_mark machen (dann auch sep_mark (Tausenderzeichen) ändern:

cross %>% 
  tab_header(title = md("Studienort & Studienwahl")) %>% 
  cols_align(align = "left",
             columns = study) %>% 
  cols_align(align = "center",
             columns = c("Gießen", "Marburg", 'Frankfurt')) %>%  
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>% 
  cols_width(study ~ px(150),
             everything() ~ px(100)) %>% 
  fmt_number(columns = c(2:4), 
             decimals = 2,
             dec_mark = ",",
             sep_mark = "."
          )
Studienort & Studienwahl
study Gießen Marburg Frankfurt
Political Science 0,21 0,21 0,25
Sociology 0,26 0,27 0,26
Educational Science 0,28 0,27 0,24
Psychology 0,25 0,25 0,25
Quelle: eigene Erhebung.

Bevor wir die Einführung ändern möchten wir noch den Header in der ersten Spalte ändern. Dies können wir über cols_label():

cross %>% 
  tab_header(title = md("Studienort & Studienwahl")) %>% 
  cols_align(align = "left",
             columns = study) %>% 
  cols_align(align = "center",
             columns = c("Gießen", "Marburg", 'Frankfurt')) %>%  
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>% 
  cols_width(study ~ px(150),
             everything() ~ px(100)) %>% 
  fmt_number(columns = c(2:4), 
             decimals = 2,
             dec_mark = ",",
             sep_mark = ".") %>% 
  cols_label(study = "Studienfach")
Studienort & Studienwahl
Studienfach Gießen Marburg Frankfurt
Political Science 0,21 0,21 0,25
Sociology 0,26 0,27 0,26
Educational Science 0,28 0,27 0,24
Psychology 0,25 0,25 0,25
Quelle: eigene Erhebung.

Auch dabei können mit md() Formatierungen vorgenommen werden:

cross %>% 
  tab_header(title = md("Studienort & Studienwahl")) %>% 
  cols_align(align = "left",
             columns = study) %>% 
  cols_align(align = "center",
             columns = c("Gießen", "Marburg", 'Frankfurt')) %>%  
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>% 
  cols_width(study ~ px(150),
             everything() ~ px(100)) %>% 
  fmt_number(columns = c(2:4), 
             decimals = 2,
             dec_mark = ",",
             sep_mark = ".") %>% 
  cols_label(study = md("**Studien-**<br>*fach*"))
Studienort & Studienwahl
Studien-
fach
Gießen Marburg Frankfurt
Political Science 0,21 0,21 0,25
Sociology 0,26 0,27 0,26
Educational Science 0,28 0,27 0,24
Psychology 0,25 0,25 0,25
Quelle: eigene Erhebung.

So, für die Einführung in das package gt ist dies ausreichend. Insbesondere, wenn man eine dritte Gruppenvariable hinzufügt, bietet gt gute Möglichkeiten direkt in R publizierbare Tabellen zu generieren.

Bevor ihr geht, speichert!

Anstatt aus dem Viewer die Dateien zu speichern, kann man diese auch direkt über gtsave() speichern. Dazu gibt man einfach den Dateinamen ein und R speichert das Objekt im Working Directory.

cross %>% 
  tab_header(title = md("Studienort & Studienwahl")) %>% 
  cols_align(align = "left",
             columns = study) %>% 
  cols_align(align = "center",
             columns = c("Gießen", "Marburg", 'Frankfurt')) %>%  
  tab_source_note(source_note = "Quelle: eigene Erhebung.") %>% 
  cols_width(study ~ px(150),
             everything() ~ px(100)) %>% 
  fmt_number(columns = c(2:4), 
             decimals = 2) %>% 
  cols_label(study = md("**Studien-**<br>*fach*")) %>% 
  gtsave("mein-erster-gt-plot.png") # auch .html -Table möglich

Labs

Ihr sehr hier drei verschiedene Tabellendarstellungen. Sucht euch eine Tabellendarstellung heraus und stellt diese mithilfe des gt-packages nach.

gt Task 1

gt Task 2

gt Task 3

Das war’s!




Copyright: Creative Commons License
Benedikt Philipp Kleer, Justus-Liebig-Universität Gießen.