2.4. Tablas de Resultados

En secciones anteriores, los resultados aparecen tabulados en un formato básico, poco apropiados para una publicación final. En esta sección estaremos utilizando paquetes que permiten la construcción de tablas con más flexibilidad y resultados más elegantes.

Hay al menos una docena de paquetes especializados para crear tablas; estaremos trabajando con dos de ellos: kableExtra y gt. A continuación otros más:

2.4.1. Tablas de Resultados usando kableExtra

Al finalizar esta sección podrás construir tablas de resultados en diversos formatos, usando el paquete kableExtra

El paquete kableExtra provee diversos formatos de tablas y funciones para modificarlas. A continuación, tres formatos diferentes con los mismos datos.

library(kableExtra)
covidPR <- read.csv("data/covid-sex.csv")
# formato básico
kbl(covidPR, caption = "Table 1. CoviD-19 deaths by sex and age groups.  Data up to May 31, 2021")

Table 1. CoviD-19 deaths by sex and age groups. Data up to May 31, 2021
date	age	All.Sexes	Female	Male
2020-01-31	All Ages	0	0	0
2020-02-29	All Ages	0	0	0
2020-03-31	All Ages	21	10	11
2020-04-30	All Ages	78	31	47
2020-05-31	All Ages	35	15	20
2020-06-30	All Ages	16	NA	13
2020-07-31	All Ages	91	27	64
2020-08-31	All Ages	197	84	113
2020-09-30	All Ages	233	94	139
2020-10-31	All Ages	173	79	94
2020-11-30	All Ages	342	144	198
2020-12-31	All Ages	436	179	257
2021-01-31	All Ages	244	121	123
2021-02-28	All Ages	131	62	69
2021-03-31	All Ages	68	37	31
2021-04-30	All Ages	195	84	111
2021-05-31	All Ages	170	73	97
2021-06-12	All Ages	NA	0	NA

# formato kable_classic
kbl(covidPR, caption = "Table 1. CoviD-19 deaths by sex and age groups.  Data up to May 31, 2021") %>%
  kable_classic("striped", full_width = F) %>%
  add_header_above(c("", "", "Sex" = 3))

Table 1. CoviD-19 deaths by sex and age groups. Data up to May 31, 2021
		Sex
date	age	All.Sexes	Female	Male
2020-01-31	All Ages	0	0	0
2020-02-29	All Ages	0	0	0
2020-03-31	All Ages	21	10	11
2020-04-30	All Ages	78	31	47
2020-05-31	All Ages	35	15	20
2020-06-30	All Ages	16	NA	13
2020-07-31	All Ages	91	27	64
2020-08-31	All Ages	197	84	113
2020-09-30	All Ages	233	94	139
2020-10-31	All Ages	173	79	94
2020-11-30	All Ages	342	144	198
2020-12-31	All Ages	436	179	257
2021-01-31	All Ages	244	121	123
2021-02-28	All Ages	131	62	69
2021-03-31	All Ages	68	37	31
2021-04-30	All Ages	195	84	111
2021-05-31	All Ages	170	73	97
2021-06-12	All Ages	NA	0	NA

# formato kable_styling
kbl(covidPR, caption = "Table 1. CoviD-19 deaths by sex and age groups.  Data up to May 31, 2021") %>%
  kable_styling("striped", full_width = F) %>%
  add_header_above(c("", "", "Sex" = 3))

Table 1. CoviD-19 deaths by sex and age groups. Data up to May 31, 2021
		Sex
date	age	All.Sexes	Female	Male
2020-01-31	All Ages	0	0	0
2020-02-29	All Ages	0	0	0
2020-03-31	All Ages	21	10	11
2020-04-30	All Ages	78	31	47
2020-05-31	All Ages	35	15	20
2020-06-30	All Ages	16	NA	13
2020-07-31	All Ages	91	27	64
2020-08-31	All Ages	197	84	113
2020-09-30	All Ages	233	94	139
2020-10-31	All Ages	173	79	94
2020-11-30	All Ages	342	144	198
2020-12-31	All Ages	436	179	257
2021-01-31	All Ages	244	121	123
2021-02-28	All Ages	131	62	69
2021-03-31	All Ages	68	37	31
2021-04-30	All Ages	195	84	111
2021-05-31	All Ages	170	73	97
2021-06-12	All Ages	NA	0	NA

Cuando una tabla requiere más ajustes y modificaciones, kableExtra puede resultar un poco confuso para trabajar.

# leer los datos de archivo externo
ca_ratas <- read.csv("data/calcio-ratas.csv")
# activar paquete doBy para aplicar función por grupos
library(doBy)
descriptivas <- summaryBy(caplasma ~ list(hormona,sexo), 
                          data = ca_ratas,
                          FUN = function(x) {
                            c(media = mean(x), 
                              var = var(x), 
                              de = sd(x), 
                              es = sd(x)/sqrt(length(x)), 
                              CV = (sd(x)/mean(x))*100) })
# resultados sin formato
descriptivas

##   hormona   sexo caplasma.media caplasma.var caplasma.de caplasma.es
## 1      no hembra          14.88       17.107    4.136061    1.849703
## 2      no  macho          12.12       18.042    4.247588    1.899579
## 3      si hembra          32.52       21.817    4.670867    2.088875
## 4      si  macho          27.78       18.382    4.287423    1.917394
##   caplasma.CV
## 1    27.79611
## 2    35.04610
## 3    14.36306
## 4    15.43349

# creación de tabla con kableExtra
kbl(descriptivas, caption = "Table 2. Niveles de calcio plasmático en ratas hembras y machos tratadas con estrógeno o no. n = 5", 
    col.names = c("Hormona", "Sexo", "Media", "Varianza", "Desv. Estándar", "Error Estándar", "CV %"),
    digits = c(2,2,2,2,2)) %>%
  kable_classic(full_width = T) %>%
  add_header_above(c("Tratamientos" = 2, "Estadísticos Ca-plasma, mg/dl" = 5))

Table 2. Niveles de calcio plasmático en ratas hembras y machos tratadas con estrógeno o no. n = 5
Tratamientos		Estadísticos Ca-plasma, mg/dl
Hormona	Sexo	Media	Varianza	Desv. Estándar	Error Estándar	CV %
no	hembra	14.88	17.11	4.14	1.85	27.80
no	macho	12.12	18.04	4.25	1.90	35.05
si	hembra	32.52	21.82	4.67	2.09	14.36
si	macho	27.78	18.38	4.29	1.92	15.43

2.4.2. Tablas de Resultados usando gt

Al finalizar esta sección podrás construir tablas de resultados en diversos formatos, usando el paquete gt

Este paquete provee las funcionalidades de kableExtra, pero se aplican de una manera más organizada.

library(gt)
gt(descriptivas) %>%
  tab_header(
    title = "Table 2. Niveles de calcio plasmático en ratas hembra y macho tratadas con estrógeno o no",
    subtitle = "Cálculos mediante función en doBy, n = 5"
  ) %>%
  cols_label(
    hormona = html("Hormona"),
    sexo = html("Sexo"),
    caplasma.media = html("Media"),
    caplasma.var = html("Varianza"),
    caplasma.de = html("Desv. Estándar"),
    caplasma.es = html("Error Estándar"),
    caplasma.CV = html("Coef. Var. %")
  ) %>%
  tab_spanner(
    label = "Tratamientos",
    columns = vars(hormona, sexo)
  ) %>%
  tab_spanner(
    label = "Estadísticos",
    columns = vars(caplasma.media, caplasma.var, caplasma.de, caplasma.es, caplasma.CV)
  ) %>%
  fmt_number(
    columns = vars(caplasma.media, caplasma.var, caplasma.de, caplasma.es, caplasma.CV),
    decimals = 2
  )

## Warning: `columns = vars(...)` has been deprecated in gt 0.3.0:
## * please use `columns = c(...)` instead

## Warning: `columns = vars(...)` has been deprecated in gt 0.3.0:
## * please use `columns = c(...)` instead

## Warning: `columns = vars(...)` has been deprecated in gt 0.3.0:
## * please use `columns = c(...)` instead

## Warning: `columns = vars(...)` has been deprecated in gt 0.3.0:
## * please use `columns = c(...)` instead

Table 2. Niveles de calcio plasmático en ratas hembra y macho tratadas con estrógeno o no
Cálculos mediante función en doBy, n = 5
Tratamientos		Estadísticos
Hormona	Sexo	Media	Varianza	Desv. Estándar	Error Estándar	Coef. Var. %
no	hembra	14.88	17.11	4.14	1.85	27.80
no	macho	12.12	18.04	4.25	1.90	35.05
si	hembra	32.52	21.82	4.67	2.09	14.36
si	macho	27.78	18.38	4.29	1.92	15.43