Datensätze bändigen & visualisieren mit R
Benedikt Philipp Kleer
11. Oktober 2021
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:
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")
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.
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.
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.
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!
<- uni %>%
single select(mot) %>%
group_by(mot) %>%
summarise(n = n()) %>%
pivot_wider(names_from = mot,
values_from = n) %>%
gt()
<- uni %>%
cross 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()
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 |
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 |
Oft werden unter Tabellen Quellen oder Anmerkungen angegeben, dies können wir auch ganz einfach mit gt
machen:
%>%
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.
|
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.
|
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.
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.
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
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
Copyright:
Benedikt Philipp Kleer, Justus-Liebig-Universität Gießen.