第 2 章 Tables

一般我們做成表格的內容有兩類：
第1種是整理過的原始資料，例如，經過排序或分類處理的資料表。
第2種就是經過處理後的原始數據，以迴歸分析為例，一般可以分為敘述統計和估計結果。在R內無法直接製作出類似Word的表格，如果要獨立製作，有兩個方法：

方法1: 將表格外存為.csv格式，再複製貼上Word。
方法2: 將表格產生為圖檔，再讀進去Word。比較高階的表格，都必須使用這種方法才能保留格式

本章主要介紹兩個表格套件 gt和 kableExtra ， gt 是RStudio所開發3， kableExtra 則是Zhu Hao所開發4。

在表格製作上，雖然尚有 gridExtra::grid.table ,但是套件 gt 和 kableExtra 產生的物件，可完美融入markdown的表格編號，grid.table的表格物件是圖檔，在markdown的自動編號功能中，無法辨識為表格。適合以圖製表，單獨存取，或以圖做表的環境。但是，就寫作一事，工具最好統一單純。表格就是表格，圖像就是圖像。markdown會辨識區分圖和表。

為什麼要介紹 gt 和 kableExtra 兩個套件？ gt 的表格製作主要是html Table， 目前還不能充分支援 LaTex Table； 如果要在表格內呈現 LaTex 的優美數學符號，那就必需使用 kableExtra 。但是，要注意 kableExtra::kable 必需在markdown文件(.Rmd)內才能顯示， kableExtra::kbl 則可以像 gt 一樣，在 Viewer 預覽呈現。

rmarkdown內的knitr::kable不支援LaTex Table 和複雜表格製作， kableExtra 內建的 kableExtra::kbl 則可以支援 LaTex Table和複雜表格製作。 讀者可依照須要，自行選用

R的程式流程，本書用Base R，不是Tidyverse。

2.1 套件 gt 的表格製作

首先，我們說明如何將簡單的數值向量：排序再做成表格。套外部資料pop為2017年的新興市場人口，如下：

load("data/pop.RData")
head(pop)
##   Argentina    Bulgaria      Brazil       Chile       China    Colombia 
##   43.937140    7.102444  207.833823   18.470439 1421.021791   48.909839

承上，pop是數值向量，因此我們可以直接排序

pop_tbl0=sort(pop,decreasing = TRUE)
head(pop_tbl0,10)
##              China              India          Indonesia             Brazil 
##         1421.02179         1338.67678          264.65096          207.83382 
## Russian Federation             Mexico        Philippines             Turkey 
##          145.53008          124.77732          105.17292           81.11645 
##           Thailand       South Africa 
##           69.20981           57.00976

pop_tbl0不是矩陣，也不是data.frame，因此，我們做data.frame處理，再將列名稱消除，如下

pop_tbl=data.frame(Country=names(pop_tbl0),Pop=pop_tbl0)
rownames(pop_tbl)=NULL
head(pop_tbl,10)
##               Country        Pop
## 1               China 1421.02179
## 2               India 1338.67678
## 3           Indonesia  264.65096
## 4              Brazil  207.83382
## 5  Russian Federation  145.53008
## 6              Mexico  124.77732
## 7         Philippines  105.17292
## 8              Turkey   81.11645
## 9            Thailand   69.20981
## 10       South Africa   57.00976

因為套件gt不處理列名稱(rownames)，故上述的程式碼，先把列名稱納為新增欄資料，再將列名稱移除。

2.1.1 呈現簡單的 gt 表

gt(head(pop_tbl,10))
Country Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976

因為我們須要對rownames的資訊來處理資料表，所以要將列名稱轉成一個欄位。如果只是要簡單顯示，製表時，添加 “rownames_to_stub = TRUE” 即可:

gt(pop_tbl, rownames_to_stub = TRUE)

在RStudio內，指令gt(head(pop_tbl,10))會在 Viewer 內預覽結果，這個結果表，要單獨取出，可以使用框架內的Export將之輸出為圖檔。這個表格顯示前10列，基本上算是不錯，但是，往往我們還須要更多資訊，例如：表頭(Table header & sub-header), 橫幅標籤(Stub), 以及表的註釋與資料來源。

gt_tbl0 = gt(head(pop_tbl,10))# Show the gt Table

gt_tbl0=tab_header(gt_tbl0,
           title = "新興市場人口,2017",
           subtitle = "前10名, 百萬人")
tab_caption(gt_tbl0,caption=glue::glue(""))
表 2.1:
新興市場人口,2017
前10名, 百萬人
Country Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976

2.1.2 在表底添加註釋與索引

添加表底的註釋，使用函數tab_source_note：

gt_tbl1a=tab_source_note(
      gt_tbl0,
      source_note = "Source: R Package pwt10."
       )
tab_caption(gt_tbl1a,caption=glue::glue(""))
表 2.2:
新興市場人口,2017
前10名, 百萬人
Country Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Source: R Package pwt10.

如果還要一個索引，則再用一次函數tab_source_note：

gt_tbl1b=tab_source_note(
      gt_tbl1a,
      source_note =  "Reference: Penn World Table, 10.01(base year: 2017)."
                )
tab_caption(gt_tbl1b,caption=glue::glue(""))
表 2.3:
新興市場人口,2017
前10名, 百萬人
Country Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Source: R Package pwt10.
Reference: Penn World Table, 10.01(base year: 2017).

2.1.3 對表格屬性添加說明註腳

除了資料來源註釋，要根據格子(cells)的性質加上說明，可以這樣做，好比，Country欄的第1,2,4,5列是早期的金磚四國，我們可以這樣標註：使用函數tab_footnote，再宣告footnote=“屬性” 註明文字描述, 與locations=cells_body()指定行列位置。如下：

gt_tbl2=tab_footnote(gt_tbl1b,
             footnote = "金磚四國",
             locations = cells_body(columns = Country, rows = c(1,2,4,5)))
tab_caption(gt_tbl2,caption=glue::glue(""))
表 2.4:
新興市場人口,2017
前10名, 百萬人
Country Pop
China1 1421.02179
India1 1338.67678
Indonesia 264.65096
Brazil1 207.83382
Russian Federation1 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Source: R Package pwt10.
Reference: Penn World Table, 10.01(base year: 2017).
1 金磚四國 
gt_tbl3=tab_footnote(gt_tbl2,
             footnote = "人口最多數量",
             locations = cells_body(columns = Pop, rows = Pop==max(Pop)))
tab_caption(gt_tbl3,caption=glue::glue(""))
表 2.5:
新興市場人口,2017
前10名, 百萬人
Country Pop
China1 2 1421.02179
India1 1338.67678
Indonesia 264.65096
Brazil1 207.83382
Russian Federation1 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Source: R Package pwt10.
Reference: Penn World Table, 10.01(base year: 2017).
1 金磚四國
2 人口最多數量

承上，使用cells_body() helper 函數可以利用columns and rows 參數指定參照位置，gt有不少以 cells_* 衍生出來的helper 函數，可以指定更複雜的幾何位置做參照說明。

2.1.4 列分類- 使用 tab_stubhead標籤功能

接下來，我們要說明如何在表格內製作小群組，這稱為 Stub 。主要是在列的方向，將列標籤歸類。 同前，我們回到上面原始步驟。創建一個表格，指定其列標籤的欄名稱，此例為Country， 如下：

gt_tbl4 = gt(head(pop_tbl,15),rowname_col = "Country")
tab_caption(gt_tbl4,caption=glue::glue(""))
表 2.6:
Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Colombia 48.90984
Argentina 43.93714
Poland 37.95318
Peru 31.44430
Malaysia 31.10465

然後添加一個 stubhead 標籤

gt_tbl5=tab_stubhead(gt_tbl4,label = "Country")
tab_caption(gt_tbl5,caption=glue::glue(""))
表 2.7:
Country Pop
China 1421.02179
India 1338.67678
Indonesia 264.65096
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Colombia 48.90984
Argentina 43.93714
Poland 37.95318
Peru 31.44430
Malaysia 31.10465

在外觀上是看不出來 gt 對表格執行了tab_stubhead，接下來就是把金磚四國歸在一群，然後下標籤，如下：

gt_tbl6=tab_row_group(gt_tbl5,
  label = "金磚四國",
  rows = Country  %in% c("Brazil",
                         "Russian Federation",
                        "India",
                        "China")
                    )
tab_caption(gt_tbl6,caption=glue::glue(""))
表 2.8:
Country Pop
金磚四國
China 1421.02179
India 1338.67678
Brazil 207.83382
Russian Federation 145.53008
Indonesia 264.65096
Mexico 124.77732
Philippines 105.17292
Turkey 81.11645
Thailand 69.20981
South Africa 57.00976
Colombia 48.90984
Argentina 43.93714
Poland 37.95318
Peru 31.44430
Malaysia 31.10465
 
gt_tbl7=tab_row_group(gt_tbl6,
                      label = "亞洲新興市場",
                      rows = Country %in% c("Indonesia",
                                            "Philippines",
                                            "Thailand",
                                            "Malaysia"))
tab_caption(gt_tbl7,caption=glue::glue(""))
表 2.9:
Country Pop
亞洲新興市場
Indonesia 264.65096
Philippines 105.17292
Thailand 69.20981
Malaysia 31.10465
金磚四國
China 1421.02179
India 1338.67678
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Turkey 81.11645
South Africa 57.00976
Colombia 48.90984
Argentina 43.93714
Poland 37.95318
Peru 31.44430

Stubhead的表格分組功能，就是橫插一列，然後給予群名即可。在WORD內就是「插入空白列+原資料往下移動」。此處我們必須注意如果要取得多個國家，rows= 後面的比對要用 %in% ，除非直接宣告列數字。

2.1.5 欄分類- 使用 tab_span標籤功能

我們載入外部資料macro.RData，這筆數據和pop類似，都是由pwt10.01取出的實質GDP。

macro_tbl8=read.csv("data/macro.csv")
knitr::kable(head(macro_tbl8),caption = "實質GDP")
表 2.10: 實質GDP
country rgdpe rgdpo cgdpe cgdpo
Argentina 1026128.1 1022513.2 1026128.1 1022513.2
Bulgaria 146484.2 139064.7 146484.2 139064.7
Brazil 2970570.8 2968825.5 2970570.8 2968825.5
Chile 428811.7 422309.0 428811.7 422309.0
China 19501140.0 19687162.0 19501140.0 19687162.0
Colombia 650044.0 656700.6 650044.0 656700.6

表2.10的變數說明如下：
- rgdpe: Expenditure-side real GDP at chained PPPs (in million 2017 USD).
- rgdpo: Output-side real GDP at chained PPPs (in million 2017 USD).
- cgdpe: Expenditure-side real GDP at current PPPs (in million 2017 USD).
- cgdpo: Output-side real GDP at current PPPs (in million 2017 USD).

執行以下程式，就可以產生欄位合併的表格。

gt_tbl <- tab_header(gt(head(macro_tbl8)),
                     title = "2017年各國實質GDP, 百萬美元",
                     subtitle = "以2017年價格為基期的PPP計算")
gt_tbl <-  tab_spanner(gt_tbl,
                       label = "鍊式價格(chained) PPPs",
                       columns = c("rgdpe", "rgdpo")) 
gt_tbl9 <- tab_spanner(gt_tbl,
                      label = "當期價格(current) PPPs",
                      columns = c("cgdpe","cgdpo"))

tab_caption(gt_tbl9,caption=glue::glue(""))
表 2.11:
2017年各國實質GDP, 百萬美元
以2017年價格為基期的PPP計算
country 鍊式價格(chained) PPPs 當期價格(current) PPPs
rgdpe rgdpo cgdpe cgdpo
Argentina 1026128.1 1022513.2 1026128.1 1022513.2
Bulgaria 146484.2 139064.7 146484.2 139064.7
Brazil 2970570.8 2968825.5 2970570.8 2968825.5
Chile 428811.7 422309.0 428811.7 422309.0
China 19501140.0 19687162.0 19501140.0 19687162.0
Colombia 650044.0 656700.6 650044.0 656700.6

根據表2.11，將兩個tab_spanner左右調換，也是十分簡單。添加更多符號，可參考前述的 gt 官方網站與相關解說文件。

2.1.6 表格特定區塊標註

市場價格變動，有漲有跌，對於數字變化， gt 處理方法之一，可以用紅箭頭往上代表上漲，綠箭頭向下，代表下跌。我們用台灣加權指數來說明這項功能。先利用 quantmod 這個套件下載台灣加權指數(代號^TWII)，如下：


library(quantmod) 載入套件
quantmod::getSymbols("^TWII") 讀取資料
TWII.wk=tail(xts::to.weekly(TWII),10) 將日頻換為週頻 

library(xts)
load("data/TWII.RData")
ID=gsub(colnames(TWII.wk),pattern="TWII.",replace="")
colnames(TWII.wk)=ID

TWII.wk=data.frame(Date=time(TWII.wk),TWII.wk)
gt_tbl10=tab_header(gt(TWII.wk),
           title="台股加權指數,週頻率",
           subtitle =paste0(rownames(xts::first(TWII.wk))," to ",
                            rownames(xts::last(TWII.wk))))

tab_caption(gt_tbl10,caption=glue::glue(""))
表 2.12:
台股加權指數,週頻率
2023-04-28 to 2023-07-07
Date Open High Low Close Volume Adjusted
2023-04-28 15555.10 15643.86 15284.46 15579.18 14285600 15579.18
2023-05-05 15588.68 15673.62 15523.50 15626.07 10183000 15626.07
2023-05-12 15648.54 15757.80 15424.42 15502.36 13542000 15502.36
2023-05-19 15489.18 16189.81 15434.52 16174.92 15497100 16174.92
2023-05-26 16168.74 16537.79 16070.16 16505.05 16825000 16505.05
2023-06-02 16610.86 16752.20 16477.43 16706.91 21022600 16706.91
2023-06-09 16714.48 16922.48 16694.21 16886.40 19616100 16886.40
2023-06-16 16899.49 17346.32 16899.49 17288.91 22883000 17288.91
2023-06-21 17274.07 17306.81 17121.59 17202.40 13194600 17202.40
2023-06-30 17182.48 17182.48 16792.34 16915.54 18154400 16915.54
2023-07-07 16915.54 17154.10 16593.84 16664.21 20673500 16664.21

表2.12是基本 gt 表格，我們要修改一下呈現的格式：
1. 價格變數，數值前置 $符號。
2. 成交量Volume的數字尾巴加M，變成百萬。

gt內有兩個獨立函數fmt_currency()和fmt_number()，分別可以完成上式兩個要求，作法如下。

gt_tbl11=fmt_currency(gt_tbl10,columns = c(Open, High, Low, Close,Adjusted))
tab_caption(gt_tbl11,caption=glue::glue(""))
表 2.13:
台股加權指數,週頻率
2023-04-28 to 2023-07-07
Date Open High Low Close Volume Adjusted
2023-04-28 $15,555.10 $15,643.86 $15,284.46 $15,579.18 14285600 $15,579.18
2023-05-05 $15,588.68 $15,673.62 $15,523.50 $15,626.07 10183000 $15,626.07
2023-05-12 $15,648.54 $15,757.80 $15,424.42 $15,502.36 13542000 $15,502.36
2023-05-19 $15,489.18 $16,189.81 $15,434.52 $16,174.92 15497100 $16,174.92
2023-05-26 $16,168.74 $16,537.79 $16,070.16 $16,505.05 16825000 $16,505.05
2023-06-02 $16,610.86 $16,752.20 $16,477.43 $16,706.91 21022600 $16,706.91
2023-06-09 $16,714.48 $16,922.48 $16,694.21 $16,886.40 19616100 $16,886.40
2023-06-16 $16,899.49 $17,346.32 $16,899.49 $17,288.91 22883000 $17,288.91
2023-06-21 $17,274.07 $17,306.81 $17,121.59 $17,202.40 13194600 $17,202.40
2023-06-30 $17,182.48 $17,182.48 $16,792.34 $16,915.54 18154400 $16,915.54
2023-07-07 $16,915.54 $17,154.10 $16,593.84 $16,664.21 20673500 $16,664.21

表2.13為表2.12內的價格變數添加了$符號，表2.14則修改了成交量的顯示格式。

gt_tbl12=fmt_number(gt_tbl11,columns = Volume, suffixing = TRUE)
tab_caption(gt_tbl12,caption=glue::glue(""))
表 2.14:
台股加權指數,週頻率
2023-04-28 to 2023-07-07
Date Open High Low Close Volume Adjusted
2023-04-28 $15,555.10 $15,643.86 $15,284.46 $15,579.18 14.29M $15,579.18
2023-05-05 $15,588.68 $15,673.62 $15,523.50 $15,626.07 10.18M $15,626.07
2023-05-12 $15,648.54 $15,757.80 $15,424.42 $15,502.36 13.54M $15,502.36
2023-05-19 $15,489.18 $16,189.81 $15,434.52 $16,174.92 15.50M $16,174.92
2023-05-26 $16,168.74 $16,537.79 $16,070.16 $16,505.05 16.82M $16,505.05
2023-06-02 $16,610.86 $16,752.20 $16,477.43 $16,706.91 21.02M $16,706.91
2023-06-09 $16,714.48 $16,922.48 $16,694.21 $16,886.40 19.62M $16,886.40
2023-06-16 $16,899.49 $17,346.32 $16,899.49 $17,288.91 22.88M $17,288.91
2023-06-21 $17,274.07 $17,306.81 $17,121.59 $17,202.40 13.19M $17,202.40
2023-06-30 $17,182.48 $17,182.48 $16,792.34 $16,915.54 18.15M $16,915.54
2023-07-07 $16,915.54 $17,154.10 $16,593.84 $16,664.21 20.67M $16,664.21

最後，我們要在表2.14的收盤價Close內標註：若收盤價>開盤價，則標註紅色三角形；反之則標註綠色倒三角。在HTML語法中，#9650代表正三角形，#9660代表倒三角形。因此，我們分別定義如下程式碼：

Arrow_down <- "<span style=\"color:green\">&#9660;</span>"
Arrow_up <- "<span style=\"color:red\">&#9650;</span>"

gt_tbl13=text_transform(gt_tbl12,
  locations = cells_body(
    columns = Close,
    rows = Close > Open),
  fn = function(x) paste(x, Arrow_up)
)

tab_caption(gt_tbl13,caption=glue::glue(""))
表 2.15:
台股加權指數,週頻率
2023-04-28 to 2023-07-07
Date Open High Low Close Volume Adjusted
2023-04-28 $15,555.10 $15,643.86 $15,284.46 $15,579.18 ▲ 14.29M $15,579.18
2023-05-05 $15,588.68 $15,673.62 $15,523.50 $15,626.07 ▲ 10.18M $15,626.07
2023-05-12 $15,648.54 $15,757.80 $15,424.42 $15,502.36 13.54M $15,502.36
2023-05-19 $15,489.18 $16,189.81 $15,434.52 $16,174.92 ▲ 15.50M $16,174.92
2023-05-26 $16,168.74 $16,537.79 $16,070.16 $16,505.05 ▲ 16.82M $16,505.05
2023-06-02 $16,610.86 $16,752.20 $16,477.43 $16,706.91 ▲ 21.02M $16,706.91
2023-06-09 $16,714.48 $16,922.48 $16,694.21 $16,886.40 ▲ 19.62M $16,886.40
2023-06-16 $16,899.49 $17,346.32 $16,899.49 $17,288.91 ▲ 22.88M $17,288.91
2023-06-21 $17,274.07 $17,306.81 $17,121.59 $17,202.40 13.19M $17,202.40
2023-06-30 $17,182.48 $17,182.48 $16,792.34 $16,915.54 18.15M $16,915.54
2023-07-07 $16,915.54 $17,154.10 $16,593.84 $16,664.21 20.67M $16,664.21

表2.15標註了紅色正三角形，因為當天收盤價>開盤價，表2.16標註了綠色倒三角形，因為當天收盤價<開盤價。

gt_tbl14=text_transform(gt_tbl13,
                        locations = cells_body(
                          columns = Close,
                          rows = Close < Open),
                        fn = function(x) paste(x, Arrow_down)
)
tab_caption(gt_tbl14,caption=glue::glue(""))
表 2.16:
台股加權指數,週頻率
2023-04-28 to 2023-07-07
Date Open High Low Close Volume Adjusted
2023-04-28 $15,555.10 $15,643.86 $15,284.46 $15,579.18 ▲ 14.29M $15,579.18
2023-05-05 $15,588.68 $15,673.62 $15,523.50 $15,626.07 ▲ 10.18M $15,626.07
2023-05-12 $15,648.54 $15,757.80 $15,424.42 $15,502.36 ▼ 13.54M $15,502.36
2023-05-19 $15,489.18 $16,189.81 $15,434.52 $16,174.92 ▲ 15.50M $16,174.92
2023-05-26 $16,168.74 $16,537.79 $16,070.16 $16,505.05 ▲ 16.82M $16,505.05
2023-06-02 $16,610.86 $16,752.20 $16,477.43 $16,706.91 ▲ 21.02M $16,706.91
2023-06-09 $16,714.48 $16,922.48 $16,694.21 $16,886.40 ▲ 19.62M $16,886.40
2023-06-16 $16,899.49 $17,346.32 $16,899.49 $17,288.91 ▲ 22.88M $17,288.91
2023-06-21 $17,274.07 $17,306.81 $17,121.59 $17,202.40 ▼ 13.19M $17,202.40
2023-06-30 $17,182.48 $17,182.48 $16,792.34 $16,915.54 ▼ 18.15M $16,915.54
2023-07-07 $16,915.54 $17,154.10 $16,593.84 $16,664.21 ▼ 20.67M $16,664.21

2.1.7 表格特定區塊上色

接下來我們利用表2.9來舉例說明格子上色的作法，下面的語法將表2.9的列分組標籤上淺綠色底。

gt_tbl15=tab_options(gt_tbl7,row_group.background.color = "#ACEACE")
tab_caption(gt_tbl15,caption=glue::glue(""))
表 2.17:
Country Pop
亞洲新興市場
Indonesia 264.65096
Philippines 105.17292
Thailand 69.20981
Malaysia 31.10465
金磚四國
China 1421.02179
India 1338.67678
Brazil 207.83382
Russian Federation 145.53008
Mexico 124.77732
Turkey 81.11645
South Africa 57.00976
Colombia 48.90984
Argentina 43.93714
Poland 37.95318
Peru 31.44430

基本上，函數tab_caption()發揮主要的美編功能，可以對gt表格的邊框線條，內格色彩和字形等項目，更改格式與增加強調功能。有更複雜處理需求的讀者，可以用?tab_caption一看全貌。在?tab_caption說明範例，就有很多可資自學，或進入gt網站的Reference連結5，可以查詢到所有函數的使用方法。

2.1.8 敘述統計量製表

dat=read.csv("data/CPS1985.csv")

我們使用本書的附帶資料CPS1985.csv，這筆數據原是來自套件AER，但是因為第二列的ID有不連續，所以本書將之移除，此處再使用。通用的summary()函數呈現出來的資訊不適合敘述統計，如下：

summary(dat[,c("wage","education","experience","age")])
##       wage          education       experience         age      
##  Min.   : 1.000   Min.   : 2.00   Min.   : 0.00   Min.   :18.0  
##  1st Qu.: 5.250   1st Qu.:12.00   1st Qu.: 8.00   1st Qu.:28.0  
##  Median : 7.780   Median :12.00   Median :15.00   Median :35.0  
##  Mean   : 9.032   Mean   :13.03   Mean   :17.78   Mean   :36.8  
##  3rd Qu.:11.250   3rd Qu.:15.00   3rd Qu.:26.00   3rd Qu.:44.0  
##  Max.   :44.500   Max.   :18.00   Max.   :55.00   Max.   :64.0

承上，我們須要的敘述統計，不能用summary()這個函數，可使用套件fBasics內的函數basicStats()，如下：

fBasics::basicStats(dat[,c("wage","education","experience","age")])
##                    wage   education  experience          age
## nobs         533.000000  533.000000  533.000000   533.000000
## NAs            0.000000    0.000000    0.000000     0.000000
## Minimum        1.000000    2.000000    0.000000    18.000000
## Maximum       44.500000   18.000000   55.000000    64.000000
## 1. Quartile    5.250000   12.000000    8.000000    28.000000
## 3. Quartile   11.250000   15.000000   26.000000    44.000000
## Mean           9.031707   13.026266   17.776735    36.795497
## Median         7.780000   12.000000   15.000000    35.000000
## Sum         4813.900000 6943.000000 9475.000000 19612.000000
## SE Mean        0.222676    0.113139    0.534801     0.506996
## LCL Mean       8.594274   12.804013   16.726155    35.799537
## UCL Mean       9.469140   13.248520   18.827316    37.791457
## Variance      26.428702    6.822617  152.444420   137.005092
## Stdev          5.140885    2.612014   12.346838    11.704917
## Skewness       1.685646   -0.205509    0.687582     0.549365
## Kurtosis       4.897286    0.826019   -0.383192    -0.582719

上面的顯示是所有的統計摘要資訊，表格化往往只須要少量幾個，例如 Mean,Median,Stdev, Skewness, Max, Min,和Kurtosis；承上：

var.names=c("wage","education","experience","age")
stat.names=c("Mean","Median","Stdev","Max","Min","Skewness","Kurtosis")
tbl.stat=format(fBasics::basicStats(dat[,var.names])[stat.names,],digits = 2)
tbl16.stat=data.frame(Stat=stat.names,tbl.stat)
rownames(tbl16.stat)=NULL
tab_caption(gt(tbl16.stat),caption=glue::glue(""))
表 2.18:
Stat wage education experience age
Mean 9.0 13.03 17.78 36.80
Median 7.8 12.00 15.00 35.00
Stdev 5.1 2.61 12.35 11.70
Max 44.5 18.00 55.00 64.00
Min 1.0 2.00 0.00 18.00
Skewness 1.7 -0.21 0.69 0.55
Kurtosis 4.9 0.83 -0.38 -0.58

或者直接將 tbl.stat 儲存成 .csv，如下:

write.csv(tbl.stat,file="指定路徑")

2.1.9 統計分析結果製表

另外一個表格來源是統計估計的估計結果，例如，迴歸估計。表2.19將迴歸結果呈現出來。 summary(output)是所有的估計結果，且估計結果以科學記號呈現p值。

output=lm(wage~education+experience,data=dat)
summary(output)
## 
## Call:
## lm(formula = wage ~ education + experience, data = dat)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -8.353 -2.852 -0.590  1.989 36.344 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -4.88528    1.21999  -4.004 7.11e-05 ***
## education    0.92393    0.08151  11.335  < 2e-16 ***
## experience   0.10585    0.01724   6.138 1.64e-09 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.602 on 530 degrees of freedom
## Multiple R-squared:  0.2017, Adjusted R-squared:  0.1987 
## F-statistic: 66.95 on 2 and 530 DF,  p-value: < 2.2e-16

如果須要美化，可以使用 papeR 這個套件內的函數 prettify ，然後用bookdown的表格函數 knitr::kable 輸出表格。

table1=papeR::prettify(summary(output),signif.stars=FALSE,digits=4)
table2=papeR::prettify(as.data.frame(coef(summary(output))),signif.stars=FALSE,digits=4)

knitr::kable(table2, caption = '迴歸結果表', booktabs = TRUE)
表 2.19: 迴歸結果表
Estimate Std. Error t value Pr(>|t|)
(Intercept) -4.885 1.220 -4.004 < 0.001
education 0.9239 0.08151 11.33 < 0.001
experience 0.1058 0.01724 6.138 < 0.001

table1包括估計係數的信賴區間，table2則沒有信賴區間。其實，tabl1[,-c(3,4)]和table2完全一樣。

本章最後將表2.19改成gt表格，並利用tab_source_note()在表底插入空列，置放\(R^2\)統計量。透過names(summary(output))檢索物件，得知 summary(output)$r.squared 就是\(R^2\)。

gt_tbl18=tab_source_note(gt(table2),
                source_note=html("R<sup>2</sup>=",round(summary(output)$r.squared,3))
                )
tab_caption(gt_tbl18,caption=glue::glue(""))
表 2.20:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -4.885 1.220 -4.004 < 0.001
education 0.9239 0.08151 11.33 < 0.001
experience 0.1058 0.01724 6.138 < 0.001
R2= 0.202




如果在統計估計結果的製表中，須要以星號標註統計顯著性，可以修改程式中的函數 prettify()內的宣告，使用 signif.stars=TRUE。

在 gt結尾的練習作業，讀者請承上面程式碼，在\(R^2\)下方置放\(F\)。

2.2 色彩與符號的資源

本章在美化表格使用的特殊符號和色彩，可以由幾個來源獲得資訊。

  1. 如表2.16內的HTML特殊符號，可以由以下網址獲得:
https://www.w3schools.com/charsets/ref_utf_geometric.asp

可在Google搜尋 “UTF-8 Geometric Shapes”， 然後連結有 w3schools 的就可以找到如圖2.1

w3schools的特殊符號

圖 2.1: w3schools的特殊符號

  1. 色彩置換，可以透過套件gt內的info_paletteer查詢顏色的標籤。在R console執行
?gt::info_paletteer


查詢提供色板(palettes)的套件，如圖2.2:

查詢色板(palettes)的套件名稱

圖 2.2: 查詢色板(palettes)的套件名稱


圖2.2指出ggthemes提供31個提供色板(palettes)的物件，進一步查詢其內容，可在R console執行

gt::info_paletteer(color_pkgs ="ggthemes")


如圖2.3:

查詢ggthemes的色版物件

圖 2.3: 查詢ggthemes的色版物件


接下來要查詢顏色代號，以圖2.3為例，ggthemes內有一個物件calc，有12個顏色，查詢代號可以 paletteer::paletteer_d("ggthemes::calc")
查詢ggthemes::calc 的顏色代號

圖 2.4: 查詢ggthemes::calc 的顏色代號


找到自己喜歡的色彩與代碼，就可以用來填入表格內指定的項目：字形，符號，格子背景填滿等等。

2.3 套件 kableExtra 的表格製作

我們以前面表2.10使用的實質GDP資料 macro.csv

2.3.1 呈現簡單的 kable 表

load("data/macro.RData")
macro_tbl=data.frame(Country=rownames(macro),macro)
rownames(macro_tbl)=NULL
head(macro_tbl,10)
##               Country      rgdpe       rgdpo      cgdpe       cgdpo
## 1           Argentina  1026128.1  1022513.25  1026128.1  1022513.25
## 2            Bulgaria   146484.2   139064.67   146484.2   139064.67
## 3              Brazil  2970570.8  2968825.50  2970570.8  2968825.50
## 4               Chile   428811.7   422309.03   428811.7   422309.03
## 5               China 19501140.0 19687162.00 19501140.0 19687162.00
## 6            Colombia   650044.0   656700.56   650044.0   656700.56
## 7          Costa Rica    93173.3    89731.84    93173.3    89731.84
## 8  Dominican Republic   170901.5   174065.56   170901.5   174065.56
## 9             Ecuador   191677.7   191572.67   191677.7   191572.67
## 10            Croatia   106672.8   106076.00   106672.8   106076.00

接下來，kable內建產生的表格是LaTex Table。

library(kableExtra)
kbl_tbl1.tmp = kbl(head(macro_tbl,10), caption="") 
kbl_tbl1 =kable_styling(kbl_tbl1.tmp, latex_options = "striped", full_width = F)
kbl_tbl1
表 2.21:
Country rgdpe rgdpo cgdpe cgdpo
Argentina 1026128.1 1022513.25 1026128.1 1022513.25
Bulgaria 146484.2 139064.67 146484.2 139064.67
Brazil 2970570.8 2968825.50 2970570.8 2968825.50
Chile 428811.7 422309.03 428811.7 422309.03
China 19501140.0 19687162.00 19501140.0 19687162.00
Colombia 650044.0 656700.56 650044.0 656700.56
Costa Rica 93173.3 89731.84 93173.3 89731.84
Dominican Republic 170901.5 174065.56 170901.5 174065.56
Ecuador 191677.7 191572.67 191677.7 191572.67
Croatia 106672.8 106076.00 106672.8 106076.00

表2.21的邏輯和gt一樣，先產生kable()LaTex Table物件，再用kable_styling美化 kbl_tbl1.tmp，程式內有幾項須要說明和注意的:

  1. 宣告caption=""才會產生表格編號，如果須要對表格說明，在裡面打字即可，例如：。
    caption="人口數據"

  2. kable_styling內的latex_options = "striped" 會在表格列產生間錯的灰底，如果須要全白，將這個功能去除即可。在此，可以宣告字型大小，例如：font_size=10。更多的功能，請在R Console用 ?kable_styling 查詢
  3. full_width = F 如果宣告TRUE，表格會與頁面同寬。

2.3.2 在表底添加註釋與索引

在表底添加兩個註釋，可以使用函數footnote，但是，比gt簡單，可以一次就輸入兩條：

kbl_tbl1.tmp = kbl(head(macro_tbl,10), caption="") 
kbl_tbl1 =kable_styling(kbl_tbl1.tmp, latex_options = "striped", full_width = F)
kbl_tbl2=footnote(kbl_tbl1,general_title = "",escape = TRUE,
         c("Source: 資料取自R 套件 pwt10.","Reference: Penn World Table, 10.01."))

kbl_tbl2
表 2.22:
Country rgdpe rgdpo cgdpe cgdpo
Argentina 1026128.1 1022513.25 1026128.1 1022513.25
Bulgaria 146484.2 139064.67 146484.2 139064.67
Brazil 2970570.8 2968825.50 2970570.8 2968825.50
Chile 428811.7 422309.03 428811.7 422309.03
China 19501140.0 19687162.00 19501140.0 19687162.00
Colombia 650044.0 656700.56 650044.0 656700.56
Costa Rica 93173.3 89731.84 93173.3 89731.84
Dominican Republic 170901.5 174065.56 170901.5 174065.56
Ecuador 191677.7 191572.67 191677.7 191572.67
Croatia 106672.8 106076.00 106672.8 106076.00
Source: 資料取自R 套件 pwt10.
Reference: Penn World Table, 10.01.

另外，是對格子資訊標註，下表2.23對第一個變數坐上標 *；對China上標 a，然後製kable表，再用footnote說明

kbl_tbl2.tmp=macro_tbl
names(kbl_tbl2.tmp)[2]=paste0(names(kbl_tbl2.tmp)[2],footnote_marker_symbol(1))
kbl_tbl2.tmp[5,1]=paste0(kbl_tbl2.tmp[5,1],footnote_marker_alphabet(1))

kbl_tbl3.tmp=kbl(kbl_tbl2.tmp, align = "r", booktabs = T,escape = F,caption="")

kbl_tbl3=footnote(kbl_tbl3.tmp,
         symbol="Expenditure-side real GDP at chained PPPs (in million 2017 USD)",
         alphabet="中國大陸")

kable_styling(kbl_tbl3,full_width = F)
表 2.23:
Country rgdpe* rgdpo cgdpe cgdpo
Argentina 1026128.12 1022513.25 1026128.12 1022513.25
Bulgaria 146484.23 139064.67 146484.23 139064.67
Brazil 2970570.75 2968825.50 2970570.75 2968825.50
Chile 428811.66 422309.03 428811.66 422309.03
Chinaa 19501140.00 19687162.00 19501140.00 19687162.00
Colombia 650044.00 656700.56 650044.00 656700.56
Costa Rica 93173.30 89731.84 93173.30 89731.84
Dominican Republic 170901.52 174065.56 170901.52 174065.56
Ecuador 191677.72 191572.67 191677.72 191572.67
Croatia 106672.77 106076.00 106672.77 106076.00
Indonesia 2819440.75 2816072.25 2819440.75 2816072.25
India 8069977.50 8284343.00 8069977.50 8284343.00
Sri Lanka 259296.83 269025.34 259296.83 269025.34
Mexico 2405365.25 2363270.50 2405365.25 2363270.50
Malaysia 814839.25 751462.38 814839.25 751462.38
Peru 382137.50 375967.69 382137.50 375967.69
Philippines 805991.56 826499.00 805991.56 826499.00
Poland 1141621.00 1102457.25 1141621.00 1102457.25
Romania 509684.41 499683.66 509684.41 499683.66
Russian Federation 3907709.50 3899889.25 3907709.50 3899889.25
Thailand 1171981.62 1153407.62 1171981.62 1153407.62
Turkey 2106730.75 2158604.75 2106730.75 2158604.75
Uruguay 72320.16 70848.27 72320.16 70848.27
South Africa 738072.88 726021.00 738072.88 726021.00
a 中國大陸
* Expenditure-side real GDP at chained PPPs (in million 2017 USD)

以上兩個表格，將表底資訊分成兩塊，讀者有興趣可以是是看如何將兩種註腳合併。然後，此處小結是強調表格自動編號功能。和gt不同，gt只要有宣告物件即可。kable要編號的表格，則必須在程式區塊有kable()運算。所以，表2.21，表2.22和表2.23的程式區塊，都有重複執行kable()運算的一行，gt則不用這樣，但是要宣告tab_caption。如果沒有，表格會照樣產生，但是，不會有自動連續編號。

位了讓程式碼容易閱讀，我沒有採用 |> 這樣的功能6。用|>的寫法，請參考表2.24程式碼。

kbl_tbl2.tmp=macro_tbl
names(kbl_tbl2.tmp)[2]=paste0(names(kbl_tbl2.tmp)[2],footnote_marker_symbol(1))
kbl_tbl2.tmp[5,1]=paste0(kbl_tbl2.tmp[5,1],footnote_marker_alphabet(1))

kbl_tbl2.tmp |>
  
  kbl(align = "r", booktabs = T,escape = F,caption="") |>

  footnote(symbol="Expenditure-side real GDP at chained PPPs (in million 2017 USD)",
         alphabet="中國大陸") |>

  kable_styling(full_width = F)
表 2.24:
Country rgdpe* rgdpo cgdpe cgdpo
Argentina 1026128.12 1022513.25 1026128.12 1022513.25
Bulgaria 146484.23 139064.67 146484.23 139064.67
Brazil 2970570.75 2968825.50 2970570.75 2968825.50
Chile 428811.66 422309.03 428811.66 422309.03
Chinaa 19501140.00 19687162.00 19501140.00 19687162.00
Colombia 650044.00 656700.56 650044.00 656700.56
Costa Rica 93173.30 89731.84 93173.30 89731.84
Dominican Republic 170901.52 174065.56 170901.52 174065.56
Ecuador 191677.72 191572.67 191677.72 191572.67
Croatia 106672.77 106076.00 106672.77 106076.00
Indonesia 2819440.75 2816072.25 2819440.75 2816072.25
India 8069977.50 8284343.00 8069977.50 8284343.00
Sri Lanka 259296.83 269025.34 259296.83 269025.34
Mexico 2405365.25 2363270.50 2405365.25 2363270.50
Malaysia 814839.25 751462.38 814839.25 751462.38
Peru 382137.50 375967.69 382137.50 375967.69
Philippines 805991.56 826499.00 805991.56 826499.00
Poland 1141621.00 1102457.25 1141621.00 1102457.25
Romania 509684.41 499683.66 509684.41 499683.66
Russian Federation 3907709.50 3899889.25 3907709.50 3899889.25
Thailand 1171981.62 1153407.62 1171981.62 1153407.62
Turkey 2106730.75 2158604.75 2106730.75 2158604.75
Uruguay 72320.16 70848.27 72320.16 70848.27
South Africa 738072.88 726021.00 738072.88 726021.00
a 中國大陸
* Expenditure-side real GDP at chained PPPs (in million 2017 USD)

承表2.20，下方的\(R^2\)只能用HTML呈現，對於習慣LaTex數字美感的人，會不太喜歡，套件kableExtra就可以保持這樣，如表2.25。 

output=lm(wage~education+experience,data=dat)
Fstat=round(summary(output)$fstatistic[1],3)
table=papeR::prettify(summary(output),signif.stars=FALSE,digits=4)

table |>
  kable(align = "r", caption = '迴歸結果表', booktabs = TRUE) |>
  
  footnote(general_title = "",escape = TRUE,
           paste0("$F Stat$=",Fstat)
           ) |>
  
  footnote(general_title = "",escape = TRUE,
           paste0("$R^2$=",round(summary(output)$r.squared,3))
           ) |>
  
  kable_styling(full_width = F)
表 2.25: 迴歸結果表
Estimate CI (lower) CI (upper) Std. Error t value Pr(>|t|)
(Intercept) -4.885 -7.282 -2.489 1.220 -4.004 < 0.001
education 0.9239 0.7638 1.084 0.08151 11.33 < 0.001
experience 0.1058 0.07197 0.1397 0.01724 6.138 < 0.001
\(F Stat\)=66.948
\(R^2\)=0.202

表2.25 的表底添加了兩個線性模型常用的配適統計量，請自我練習將F統計量的Pvalue黏貼於統計量之後，也就是如下表2.26

表 2.26: 迴歸結果表
Estimate CI (lower) CI (upper) Std. Error t value Pr(>|t|)
(Intercept) -4.885 -7.282 -2.489 1.220 -4.004 < 0.001
education 0.9239 0.7638 1.084 0.08151 11.33 < 0.001
experience 0.1058 0.07197 0.1397 0.01724 6.138 < 0.001
\(F Stat\)=66.948 (<0.000)
\(R^2\)=0.202

  1. https://gt.rstudio.com/index.html↩︎

  2. https://github.com/haozhu233/kableExtra↩︎

  3. https://gt.rstudio.com/reference/opt_footnote_marks.html↩︎

  4. |>是Base R 的內建功能，意義和tidyverse的pipe一樣↩︎