Résumé

Après avoir explorer des données, on peut vouloir compiler nos tables dans un même objet et l’exporter dans Excel pour les mettre en forme selon ses goûts. Il est possible d’automatiser le processus sur R.

Introduction

Il existe un large éventail de package R consacré à la gestion et la mise en forme de table et de tris croisés (GT, flextable, …). S’ils sont souvent de grandes qualités, leur coût d’entrée peut être un peu élevé pour les utilisateurs.rices occasionnelles de R.

Pour répondre aux besoins de ces derniers, vous trouverez ici une fonction qui permet de facilement compiler des tris à plats ou bivariées, pour explorer automatiquement un grand nombre de variables, utiliser une pondération et les exporter dans un document Excel.

Pour une introduction aux tables et à la pondération, voir la fiche

Données d’exemples

Pour illustrer la mise en oeuvre de la fonction, on utilise les données d’exemples hdv2003 du packages questionr. Ces données possèdent à la fois des variables sur des carastéristiques socio-démographiques, des pratiques et des goûts, et propose une variable de pondération : poids.

Importation des données d'exemples

library(questionr)
data("hdv2003")

id	age	sexe	nivetud	poids	occup
1	28	Femme	Enseignement superieur y compris technique superieur	2634.398	Exerce une profession
2	23	Femme	NA	9738.396	Etudiant, eleve
3	59	Homme	Derniere annee d'etudes primaires	3994.102	Exerce une profession
4	34	Homme	Enseignement superieur y compris technique superieur	5731.662	Exerce une profession
5	71	Femme	Derniere annee d'etudes primaires	4329.094	Retraite
6	35	Femme	Enseignement technique ou professionnel court	8674.699	Exerce une profession

Objectifs :

Obtenir une table automatique avec les tris à plat d’un grand nombre de variables
Croiser ces variables avec une variable choisie, par exemple le sexe ou la qualification et obtenir :
- Les effectifs
- Les pourcentages lignes
- Les poucentages colonnes
- Ajout d’un test du chi²
Utiliser des pondérations
Garder ou non les valeurs manquantes
Exporter le tableau obtenu (Par exemple : image ci-dessous)

Mise en oeuvre

Fonctionnement

On utilise la fonction table_auto() qui ne fait partie d’aucun package, il faut donc la charger dans un premier temps dans R. Une fois la fonction chargée, il suffira de la lancer en renseignant les variables, et les options voulues (présence de valeurs manquantes, pondérations, exportation)

Paramètre de la fonction

Paramètre	Argument
donnees	Une base de données
vars	Un vecteur avec les différentes variables en lignes
var_crois	Si vide : Tris à plat Si une variable : Tris croisés
table_type	Effectifs : “eff” Pourcentage ligne : “pct_ligne” Pourcentage colonne : “pct_col”
ponder	Une variable de pondération dans donnee
val.manq	“oui” ou “non”, garder ou non les valeurs manquantes
arrondi	Nombre de chiffre après la virgule
sautdeligne	“oui” ou “non”, insérer une ligne vide entre chaque variable
export_XLS	“oui” ou “non”, si oui : création d’un fichier excel.

Import de la fonction `table_auto()`

Pour l’instant la fonction ne se trouve pas dans un package, il faut donc la charger dans l’environnement global de R depuis GitHub en utilisant le code suivant.

Chargement de la fonction depuis Github

source("https://raw.githubusercontent.com/arnomuller/Fonction_R/main/table_auto/fonction_table_auto.R")

Le code de la fonction est disponible ici, si vous souhaitez lui apparter des modifications pour l’adapter à vos besoins.

Choix des variables

On définit les variables à croiser :

Choix des variables

vars      <- c("relig","trav.imp","trav.satisf","hard.rock",
               "lecture.bd","peche.chasse","cuisine",
               "bricol","cinema","sport")

On peut également définir ici la variable de poids et celle à croiser, ou le faire directement dans la fonction.

# On croise avec la variable sexe
var_crois <- "sexe"
# Si pas de croisement écrire NULL
var_crois <- NULL

# Variable de pondération
ponder    <- "poids"
# Si pas de pondération :
ponder    <- NULL

Création du tableau empilé

En lançant le code suivant, on crée le data.frame tabdesc.

Activation de la fonction

table_auto(hdv2003,              # Base de données
           vars,                 # Un vecteur avec les noms des variables
           var_crois   = "sexe", # Variable à croiser, si NULL : tri à plat
           table_type  = "eff",  # Type de table : "eff", "pct_lign", "pct_col"
           ponder      = NULL,   # Variable de ponder. , si NULL: pas de poids
           val.manq    = "non",  # Si "oui" avec valeurs manquantes
           arrondi     = 4,      # Nb de chiffres après la virgule
           sautdeligne = "oui",  # Sauter des lignes entre les variables
           export_XLS  = "non")  # Si "oui" créer un excel : tableau_empilee

Var	Levels	ENSEMBLE	Homme	Femme	pvalue	ddl	danger
	ENSEMBLE	2000	899	1101	NA	NA	NA
NA	NA	NA	NA	NA	NA	NA	NA
relig	Pratiquant regulier	266	86	180	0,0000	5	0
relig	Pratiquant occasionnel	442	170	272	0,0000	5	0
relig	Appartenance sans pratique	760	365	395	0,0000	5	0
relig	Ni croyance ni appartenance	399	210	189	0,0000	5	0
relig	Rejet	93	52	41	0,0000	5	0
relig	NSP ou NVPR	40	16	24	0,0000	5	0
NA	NA	NA	NA	NA	NA	NA	NA
trav.imp	Le plus important	29	13	16	0.0001	3	0

--- title: "Fonction pour des tables automatiques" categories: - Statistiques descriptives - Tableau author: - name: "Arno Muller" affiliations: - name: "Ined" date: 06/30/2023 image: "https://www.r-project.org/Rlogo.png" format: html: default # docx: default filters: - lightbox lightbox: auto abstract: | Après avoir explorer des données, on peut vouloir compiler nos tables dans un même objet et l'exporter dans Excel pour les mettre en forme selon ses goûts. Il est possible d'automatiser le processus sur R. --- # Introduction Il existe un large éventail de package R consacré à la gestion et la mise en forme de table et de tris croisés (`GT`, `flextable`, ...). S'ils sont souvent de grandes qualités, leur coût d'entrée peut être un peu élevé pour les utilisateurs.rices occasionnelles de R. Pour répondre aux besoins de ces derniers, vous trouverez ici une fonction qui permet de facilement compiler des tris à plats ou bivariées, pour explorer automatiquement un grand nombre de variables, utiliser une pondération et les exporter dans un document Excel. Pour une introduction aux tables et à la pondération, voir la [fiche](https://mthevenin.github.io/assistoolsms/R/assist/posts/weight_norm/weight_norm.html) ## Données d'exemples Pour illustrer la mise en oeuvre de la fonction, on utilise les données d'exemples *hdv2003* du packages `questionr`. Ces données possèdent à la fois des variables sur des carastéristiques socio-démographiques, des pratiques et des goûts, et propose une variable de pondération : *poids*. ```{r filename="Importation des données d'exemples", warning=FALSE, message=FALSE} library(questionr) data("hdv2003") ``` ```{r, echo=FALSE, warning=FALSE, message=FALSE} library(kableExtra) kable(head(hdv2003[,1:6],6)) %>% kable_styling(bootstrap_options = c("striped"),full_width = T,font_size = 11) %>% scroll_box(height = "300px") ``` ## Objectifs : - Obtenir une table automatique avec les tris à plat d'un grand nombre de variables - Croiser ces variables avec une variable choisie, par exemple le sexe ou la qualification et obtenir : - Les effectifs - Les pourcentages lignes - Les poucentages colonnes - Ajout d'un test du chi² - Utiliser des pondérations - Garder ou non les valeurs manquantes - Exporter le tableau obtenu (Par exemple : image ci-dessous) ![](img/ex_table.png){width="50%"} # Mise en oeuvre ## Fonctionnement On utilise la fonction `table_auto()` qui ne fait partie d'aucun package, il faut donc la charger dans un premier temps dans R. Une fois la fonction chargée, il suffira de la lancer en renseignant les variables, et les options voulues (présence de valeurs manquantes, pondérations, exportation) ## Paramètre de la fonction +-----------------+--------------------------------------------------------------+ | Paramètre | Argument | +=================+==============================================================+ | **donnees** | Une base de données | +-----------------+--------------------------------------------------------------+ | **vars** | Un vecteur avec les différentes variables en lignes | +-----------------+--------------------------------------------------------------+ | **var_crois** | - Si vide : Tris à plat | | | | | | - Si une variable : Tris croisés | +-----------------+--------------------------------------------------------------+ | **table_type** | - Effectifs : "eff" | | | | | | - Pourcentage ligne : "pct_ligne" | | | | | | - Pourcentage colonne : "pct_col" | +-----------------+--------------------------------------------------------------+ | **ponder** | Une variable de pondération dans donnee | +-----------------+--------------------------------------------------------------+ | **val.manq** | "oui" ou "non", garder ou non les valeurs manquantes | +-----------------+--------------------------------------------------------------+ | **arrondi** | Nombre de chiffre après la virgule | +-----------------+--------------------------------------------------------------+ | **sautdeligne** | "oui" ou "non", insérer une ligne vide entre chaque variable | +-----------------+--------------------------------------------------------------+ | **export_XLS** | "oui" ou "non", si oui : création d'un fichier excel. | +-----------------+--------------------------------------------------------------+ ## Import de la fonction `table_auto()` Pour l'instant la fonction ne se trouve pas dans un package, il faut donc la charger dans l'environnement global de R depuis GitHub en utilisant le code suivant. ```{r filename="Chargement de la fonction depuis Github", warning=FALSE, message=FALSE} source("https://raw.githubusercontent.com/arnomuller/Fonction_R/main/table_auto/fonction_table_auto.R") ``` ![](img/import_fct.png){width="75%"} Le code de la fonction est disponible [ici](https://github.com/arnomuller/table_auto), si vous souhaitez lui apparter des modifications pour l'adapter à vos besoins. ## Choix des variables On définit les variables à croiser : ```{r filename="Choix des variables"} vars <- c("relig","trav.imp","trav.satisf","hard.rock", "lecture.bd","peche.chasse","cuisine", "bricol","cinema","sport") ``` On peut également définir ici la variable de poids et celle à croiser, ou le faire directement dans la fonction. ```{r} # On croise avec la variable sexe var_crois <- "sexe" # Si pas de croisement écrire NULL var_crois <- NULL # Variable de pondération ponder <- "poids" # Si pas de pondération : ponder <- NULL ``` ## Création du tableau empilé En lançant le code suivant, on crée le data.frame **tabdesc**. ```{r filename="Activation de la fonction", warning=FALSE, message=FALSE} table_auto(hdv2003, # Base de données vars, # Un vecteur avec les noms des variables var_crois = "sexe", # Variable à croiser, si NULL : tri à plat table_type = "eff", # Type de table : "eff", "pct_lign", "pct_col" ponder = NULL, # Variable de ponder. , si NULL: pas de poids val.manq = "non", # Si "oui" avec valeurs manquantes arrondi = 4, # Nb de chiffres après la virgule sautdeligne = "oui", # Sauter des lignes entre les variables export_XLS = "non") # Si "oui" créer un excel : tableau_empilee ``` ```{r, echo=FALSE, warning=FALSE, message=FALSE} kable(head(tabdesc,10)) %>% kable_styling(bootstrap_options = c("striped"),full_width = T,font_size = 11) %>% scroll_box(height = "300px") ```