Creando tablas con R

Carga de la librerías y datos

Comenzamos instalando cargando la librería

# install.packages("tables")
library( tables )
## Warning: package 'tables' was built under R version 3.3.3
## Warning: package 'Hmisc' was built under R version 3.3.3
## Warning: package 'survival' was built under R version 3.3.3
## Warning: package 'ggplot2' was built under R version 3.3.3

Leemos el conjunto de datos biom2003Anotado.RData, que contiene los datos con las variables categóricas etiquetadas

load( "biom2003Anotado.RData" )

Comprobamos que el conjunto de datos es correcto

head( df ); str( df )
##   Grupo Peso Altura Pie Hombros Brazos Caderas   Sexo    Ojos     Tipo
## 1     1   60    163  37      41     68      95  mujer oscuros  delgado
## 2     1   52    166  37      37     70      87  mujer  claros atlético
## 3     1   61    172  39      39     69      91  mujer  claros atlético
## 4     1   73    181  43      50     78     101 hombre  claros atlético
## 5     1   53    172  39      39     72      89  mujer oscuros atlético
## 6     1   63    169  40      37     66      96  mujer  claros atlético
## 'data.frame':    98 obs. of  10 variables:
##  $ Grupo  : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ Peso   : int  60 52 61 73 53 63 55 56 64 72 ...
##  $ Altura : int  163 166 172 181 172 169 170 169 180 178 ...
##  $ Pie    : int  37 37 39 43 39 40 38 42 41 43 ...
##  $ Hombros: int  41 37 39 50 39 37 43 40 41 43 ...
##  $ Brazos : int  68 70 69 78 72 66 74 70 78 80 ...
##  $ Caderas: int  95 87 91 101 89 96 97 90 101 97 ...
##  $ Sexo   : Factor w/ 2 levels "mujer","hombre": 1 1 1 2 1 1 1 2 1 2 ...
##  $ Ojos   : Factor w/ 2 levels "oscuros","claros": 1 2 2 2 1 2 2 2 1 1 ...
##  $ Tipo   : Factor w/ 3 levels "atlético","delgado",..: 2 1 1 1 1 1 1 1 1 1 ...

Una vez tenemos una lectura adecuada de la tabla de datos, podemos pasar a realizar una serie de descripciones y tabulaciones.

Tabulación de descriptivos

  1. Crea una tabla en la que muestres el aspecto corporal de los individuos según el género
names(df)

[1] “Grupo” “Peso” “Altura” “Pie” “Hombros” “Brazos” “Caderas” [8] “Sexo” “Ojos” “Tipo”

tt=tabular(Tipo~Sexo, data=df)
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
  Sexo
Tipo mujer hombre
atlético 49 18
delgado 14  3
pesado  3 11
  1. Calcula el número de hombres y mujeres
t=table(df$Sexo);t

mujer hombre 66 32

tt=tabular(~Sexo, data=df)
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
  Sexo
mujer hombre
66 32
  1. Añade los totales a la tabla anterior
addmargins(t)

mujer hombre Sum 66 32 98

tt=tabular(~Sexo+1, data=df)
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
  Sexo  
mujer hombre All
66 32 98
  1. Calcula la media, mediana y la desviación típica de la variable Altura
mean(df$Altura)

[1] 169.7143

median(df$Altura)

[1] 170

sd(df$Altura)

[1] 8.729615

tt=tabular(~(Altura*mean)+(Altura*median)+(Altura*sd), data=df)
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
  Altura Altura Altura
mean median sd
169.7 170 8.73
  1. Calcula el peso en función del color de ojos
tt=tabular(Ojos~(Peso*mean), data=df)
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
  Peso
Ojos mean
oscuros 61.72
claros 63.49
  1. ¿Se te ocurre cómo modificar la tabla anterior para obtener los resultados según género y aspecto físico?
tt=tabular(Sexo * Tipo ~ Peso * mean, data = df )
html(tt, 
     options = htmloptions(HTMLcaption="Pie de tabla", pad = TRUE))
Pie de tabla
    Peso
Sexo Tipo mean
mujer atlético 56.33
  delgado 65.93
  pesado 59.00
hombre atlético 68.61
  delgado 80.67
  pesado 77.55

Por último, deja traza de la sesión:

sessionInfo()
## R version 3.3.2 (2016-10-31)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 14393)
## 
## locale:
## [1] LC_COLLATE=Spanish_Spain.1252  LC_CTYPE=Spanish_Spain.1252   
## [3] LC_MONETARY=Spanish_Spain.1252 LC_NUMERIC=C                  
## [5] LC_TIME=Spanish_Spain.1252    
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] tables_0.8      Hmisc_4.0-2     ggplot2_2.2.1   Formula_1.2-1  
## [5] survival_2.41-2 lattice_0.20-34
## 
## loaded via a namespace (and not attached):
##  [1] Rcpp_0.12.9         RColorBrewer_1.1-2  plyr_1.8.4         
##  [4] base64enc_0.1-3     tools_3.3.2         rpart_4.1-10       
##  [7] digest_0.6.12       evaluate_0.10       tibble_1.2         
## [10] gtable_0.2.0        htmlTable_1.9       checkmate_1.8.2    
## [13] Matrix_1.2-7.1      yaml_2.1.14         gridExtra_2.2.1    
## [16] stringr_1.2.0       knitr_1.15.1        cluster_2.0.5      
## [19] htmlwidgets_0.8     rprojroot_1.2       grid_3.3.2         
## [22] nnet_7.3-12         data.table_1.10.4   foreign_0.8-67     
## [25] rmarkdown_1.3       latticeExtra_0.6-28 magrittr_1.5       
## [28] backports_1.0.5     scales_0.4.1        htmltools_0.3.5    
## [31] splines_3.3.2       assertthat_0.1      colorspace_1.3-2   
## [34] stringi_1.1.2       acepack_1.4.1       lazyeval_0.2.0     
## [37] munsell_0.4.3