以下是一个简单的 R 函数示例,它使用 tbl_summary 来创建一个统计摘要表格: 代码语言:txt 复制 library(gtsummary) create_summary_table <- function(data, by = NULL, include = everything(), ...) { # 创建tbl_summary对象 summary_table <- tbl_summary( data = data, by = by, # 分组变量 incl...
这是可以参照这篇博文(写得非常的帮!!!)--How to Easily Create Descriptive Summary Statistics Tables in R Studio – By Group,因此分享一下,该文章总共归纳了9个用于创建汇总表的R包:* arsenal * qwraps2 * amisc * table1 * tangram * furniture * tableone * compareGroups...
tableOne<-CreateTableOne(vars = vars, strata = "trt", data =pbc, factorVars =varsToFactor ) #以“trt作为分层变量”,factorVars 定义因子型变量 print(tableOne,showAllLevels = TRUE) #showAllLevels = TRUE显示所有水平的频数和百分比 #默认对定量...
tab5 <- CreateTableOne(strata = "trt",data = pbc2, addOverall = TRUE) print(tab5, showAllLevels = TRUE) 三、指定待分析变量 如前文所述,由于部分分类变量使用数字编码(例如status),如果没有执行因子转换,CreateTableOne函数可能无法有效识别。CreateTableOne函数也提供了手动输入分类变量的参数: ## 需...
tableOne <- CreateTableOne(vars = vars, strata = c("心血管高危"),#分组变量 includeNA=TRUE,#考虑分类变量的缺失值 addOverall=TRUE,#增加合计列 data = data1) #查看 tableOne #summary可以查看详细总结,包括缺失情况 summary(tableOne) #进一步指定非正态变量, ...
tbl_summary(table1_data, by =trt) 一行代码搞定!只要加上by = trt即可! 再然后,添加上p值。 tbl_summary(table1_data, by = trt) %>% add_p()# 添加p值 按照默认的形式,p值是通过Wilcoxon rank sum test 和Pearson's Chi-squared test计算得出(见表格的注脚部分)。
anova_summary(): Create beautiful summary tables of ANOVA test results obtained from eithercar::Anova()orstats::aov(). The results include ANOVA table, generalized effect size and some assumption checks, such as Mauchly’s test for sphericity in the case of repeated measures ANOVA. ...
{# For numeric variables, perform an ANOVAp<-summary(aov(y~g))[[1]][["Pr(>F)"]][1]}else{# For categorical variables, perform a chi-squared test of independencep<-chisq.test(table(y,g))$p.value}# Format the p-valueif(p<0.001){p='< 0.001***'}elseif(p<0.01){p=sprintf(...
有可能你还想要看看每个你感兴趣的变量的分布什么的,缺失值什么的,tableone也可以做得到哦,直接给CreateTableOne对象进行summary,简单粗暴。 summary(tab2) R数据分析:tableone包的详细使用介绍 R数据分析:tableone包的详细使用介绍 看看看,这个时候对于数值变量,缺失值数量,占比,均值标准差,四分位间距,偏度峰度全部给...
tableOne<-CreateTableOne(vars=vars,strata=c("trt"),data=pbc) table1<-print(tableOne) 可以看到一个非常熟悉的table one了,行分别为n(病例个数)、time、status等等需要比较的变量,列为不同分组。可以发现计量数据都是用“(mean (sd))”描述,分类变量用“ (%) ”表示,而且还神奇的算出了P值。大家肯定...