R语言笔记-用tableStack汇总双变量分析结果
文章目录
- 预处理
- ``tableStack()``用法
- 以紧凑形式呈现：``name.test=FALSE``
- 呈现所有变量的基本信息：``by="none"``
- 呈现多分类变量水平下的结果
- 将输出结果导出到csv文件
示例数据： MASS包中的 birthwt数据集。
预处理
- 将分类变量因子化，具体参考这里
- 为每个变量设置标签：语法为
attr(数据框名,"var.labels")<-c(按变量顺序排列的标签名)
> attr(birthwt,"var.labels")<-c("low birth weight","mother's age(yr)","mother's weight(lbs)","mother's race","smoking status","number of premature births","history of HTN","uterine irritability","number of physician visits","birth weight(g)")
> des(birthwt) # 该函数位于epiDisplay包中No. of observations = 189 Variable Class Description
1 low factor low birth weight
2 age integer mother's age(yr)
3 lwt integer mother's weight(lbs)
4 race factor mother's race
5 smoke factor smoking status
6 ptl integer number of premature births
7 ht factor history of HTN
8 ui factor uterine irritability
9 ftv integer number of physician visits
10 bwt integer birth weight(g)
tableStack()用法
基本语法：tableStack(vars=变量序号/变量名构成的列向量,by=分类变量名,dataFrame=数据框名)
该函数会自动对数值型变量进行正态性检验与方差齐性检验 （Bartlett检验），并选取合适的描述统计与假设检验方法。正态性检验与方差齐性检验的显著性水平默认为0.01。若需要更改，声明assumption.p.value=更改后的P值即可。
> tableStack(vars=age:smoke,by=low,dataFrame=birthwt) # age:smoke代表展现从age到smoke的变量no yes # 最顶上的展现的是用于分组的变量low
Total 130 59 mother's age(yr) median(IQR) 23 (19,28) 22 (19.5,25) mother's weight(lbs) median(IQR) 123.5 (113,147) 120 (104,130)
# 自动对数值型变量进行Shapiro检验并选取呈现方式；非正态分布的变量将会呈现中位数与IQRmother's race white 73 (56.2) 23 (39) black 15 (11.5) 11 (18.6) others 42 (32.3) 25 (42.4) smoking status no 86 (66.2) 29 (49.2) yes 44 (33.8) 30 (50.8) Test stat. P value # 以下展现了统计检验的方法与结果
Total mother's age(yr) Ranksum test 0.247 median(IQR) mother's weight(lbs) Ranksum test 0.013 median(IQR) mother's race Chisq. (2 df) = 5 0.082 white black others smoking status Chisq. (1 df) = 4.92 0.026 no yes
若不需要显示统计检验结果，声明test=FALSE。
以紧凑形式呈现：name.test=FALSE
若不需要显示统计检验名称，声明name.test=FALSE，统计检验将会以更紧凑方式呈现。
> tableStack(vars=age:smoke,by=low,name.test = FALSE,dataFrame = birthwt)no yes P value
Total 130 59 # 统计检验的P值和描述统计放在一起了
mother's age(yr) 0.247 median(IQR) 23 (19,28) 22 (19.5,25) mother's weight(lbs) 0.013 median(IQR) 123.5 (113,147) 120 (104,130) mother's race 0.082 white 73 (56.2) 23 (39) black 15 (11.5) 11 (18.6) others 42 (32.3) 25 (42.4) smoking status 0.026 no 86 (66.2) 29 (49.2) yes 44 (33.8) 30 (50.8)
呈现所有变量的基本信息：by="none"
语法：tableStack(vars=变量序号构成的列向量,by="none",dataFrame=数据框名)
呈现多分类变量水平下的结果
by=可以连接多分类变量。
> tableStack(vars=c(age,smoke),by=race,dataFrame = birthwt)white black others
Total 96 26 67 mother's age(yr) median(IQR) 23.5 (20,29) 20.5 (17.2,24) 22 (19,25)smoking status no 44 (45.8) 16 (61.5) 55 (82.1) yes 52 (54.2) 10 (38.5) 12 (17.9) Test stat. P value
Total mother's age(yr) Kruskal-Wallis test 0.027 median(IQR) smoking status Chisq. (2 df) = 21.78 < 0.001no yes
将输出结果导出到csv文件
table1<-tableStack()
write.csv(table1,file="table1.csv)
如此即可将结果直接在Excel中打开、编辑。
R语言笔记-用tableStack汇总双变量分析结果相关推荐
- R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、使用HH包中的interaction2wt函数为任何阶的双因素方差分析可视化主效应和交互作用图、箱图显示主效应
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).使用HH包中的interaction2wt函数为任何阶的双因素方差分析可视化主效应和交互作用图(Main ef ...
- R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、在双因素方差分析中，受试者被分配到由两个因素交叉分类形成的组（Two-way factorial ANOVA）
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).在双因素方差分析中,受试者被分配到由两个因素交叉分类形成的组(Two-way factorial ANOVA) ...
- R语言使用aov函数进行双因素方差分析（Two-way factorial ANOVA）、使用interaction.plot函数在双因素方差分析中可视化交互作用（Interaction）
R语言使用aov函数进行双因素方差分析(Two-way factorial ANOVA).使用interaction.plot函数在双因素方差分析中显示(可视化)交互作用(Interaction) 目 ...
- R语言ggplot2可视化绘制带有双y轴(double y axis)的分面图（facet、facet_grid）
R语言ggplot2可视化绘制带有双y轴(double y axis)的分面图(facet.facet_grid) 目录 R语言ggplot2可视化绘制带有双y轴(double y axis)的分面图 ...
- R语言常用sys函数汇总：sys.chmod、Sys.Date、Sys.time、Sys.getenv、Sys.getlocale、sys.getpid、sys.glob、sys.info等
R语言常用sys函数汇总:sys.chmod.Sys.Date.Sys.time.Sys.getenv.Sys.getlocale.sys.getpid.sys.glob.sys.info等 目录
- R语言使用latticeExtra包可视化双Y轴线图实战（Dual Y axis）：单y轴线图、双y轴图线图、双y轴图线图（添加图例）
R语言使用latticeExtra包可视化双Y轴线图实战(Dual Y axis):单y轴线图.双y轴图线图.双y轴图线图(添加图例) 目录
- R语言笔记1：t检验和Wilcoxon检验
转自新浪博客,转载地址:http://blog.sina.com.cn/s/blog_427c24ae0102wg7n.html 1.t检验 数据是高血压患者治疗前后舒张压的变化,这个内容最熟悉不过了 ...
- R语言笔记4_模型诊断（关于残差）
R语言笔记4_模型诊断(关于残差)及模型补救(Box-Cox变换) 文章目录 R语言笔记4_模型诊断(关于残差)及模型补救(Box-Cox变换) 检验线性关系 检验方差齐性 检验残差正态性 检验离群值 ...
- R语言笔记——”org.Hs.eg.db“脱坑记录
R语言笔记--"org.Hs.eg.db"脱坑记录 "org.Hs.eg.db"是发布在bioconductor平台上面的一个数据库文件,该包中装有较多的主流数 ...
最新文章
- Fragment 中使用 getLayoutInflater() 的问题
- WCF wsHttpBinding之Transport security Mode, clientCredentialType=”Basic”
- Qt自定义对话框中边框阴影实现
- shell脚本编写保存
- mysql联合查询_mysql中的联合查询
- qq企业邮箱 pop3服务器是什么意思,腾讯qq端口是什么? QQ企业邮箱POP3SMTP设置
- linux 查看定时任务
- 5g手机可以用4g的手机卡吗
- 三原色亮度最高_行业最亮88000流明三色激光投影机，为何出自中科极光“之手”？...
- iOS10 更新后问题，获取相册，录音时候闪退问题
- 关于go module
- 自定义下拉回弹View-掌握View冲突处理
- Qgis教程07：矢量数据属性编辑
- 微信最火html5游戏平台,盘点五个热门HTML5游戏微信公众号
- 援引Yaphets的话：我又不淡定了
- 移动端项目总结 - DCloud-HBuilder打包
- 凡科自建网站有服务器吗,如何搭建网站服务器，有什么步骤？
- git subtree pull 错误 Working tree has modifications
- fedora 火狐 html5,Fedora22火狐如何安装Adobe Flash Player
- 谋定农民丰收节交易会-李加映：功能性农业·农业大健康大会
热门文章
- java font 像素_Java字体前进，字符宽度(Java Font Advance, Char Width)
- Lecture 4 Text Classification
- java 高效文件批量下载_java实现高效文件下载
- Git删除本地库解决桌面图标出现蓝色问号的解决方法（万能）
- oracle数据库怎用,oracle数据库怎么打开
- SQL server获取数据库数据
- 搭载展锐春藤8521E芯片的米兔儿童手表 小米全渠道销售额破600万
- ExtJs 入门教程十五[列模型 ：ColumnModel]
- 苹果ipad怎么刷机_苹果发布 iOS 13.4/iPadOS 13.4 开发者预览版 beta 3
- 快速打开windows任务管理器