library(tidyverse)
## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6 ✔ purrr 0.3.4
## ✔ tibble 3.1.7 ✔ dplyr 1.0.9
## ✔ tidyr 1.2.1 ✔ stringr 1.4.1
## ✔ readr 2.1.3 ✔ forcats 0.5.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
library(labelled)
library(haven)
library(questionr)
library(readxl)
library(expss)
## Le chargement a nécessité le package : maditr
##
## To aggregate data: take(mtcars, mean_mpg = mean(mpg), by = am)
##
##
## Attachement du package : 'maditr'
##
## Les objets suivants sont masqués depuis 'package:dplyr':
##
## between, coalesce, first, last
##
## L'objet suivant est masqué depuis 'package:purrr':
##
## transpose
##
## L'objet suivant est masqué depuis 'package:readr':
##
## cols
##
##
## Use 'expss_output_viewer()' to display tables in the RStudio Viewer.
## To return to the console output, use 'expss_output_default()'.
##
##
## Attachement du package : 'expss'
##
## L'objet suivant est masqué depuis 'package:questionr':
##
## prop
##
## Les objets suivants sont masqués depuis 'package:haven':
##
## is.labelled, read_spss
##
## L'objet suivant est masqué depuis 'package:labelled':
##
## is.labelled
##
## Les objets suivants sont masqués depuis 'package:stringr':
##
## fixed, regex
##
## Les objets suivants sont masqués depuis 'package:dplyr':
##
## compute, contains, na_if, recode, vars
##
## Les objets suivants sont masqués depuis 'package:purrr':
##
## keep, modify, modify_if, when
##
## Les objets suivants sont masqués depuis 'package:tidyr':
##
## contains, nest
##
## L'objet suivant est masqué depuis 'package:ggplot2':
##
## vars
library(openxlsx)
# Chargement de la base des données
d <- read_excel("Base enfants 0-23 16 août 2022 ANJE.xlsx")
#View(d)
glimpse(d)
## Rows: 3,122
## Columns: 36
## $ Département <chr> …
## $ `district/Commune` <chr> …
## $ `Milieu de résidence` <chr> …
## $ Localité <chr> …
## $ `Numero corrigé` <chr> …
## $ `Numéro du ménage` <dbl> …
## $ ZD <dbl> …
## $ pondération <dbl> …
## $ `Nombre d'enfant` <dbl> …
## $ iuud <chr> …
## $ `Code ZD` <chr> …
## $ `1002. Nom de l'enfant` <chr> …
## $ Age <dbl> …
## $ `date debut enquete` <dttm> …
## $ `1003. Quelle est la date de la naissance de ${K2}?` <dttm> …
## $ `1004. Quelle est l'âge en mois de ${K2}?` <dbl> …
## $ `1005. Avez-vous allaité ${K2} après l'accouchement ?` <chr> …
## $ `1006. Combien de temps après la naissance avez-vous mis ${K2} au sein pour la première fois ?` <chr> …
## $ `1007. Allaitez-vous encore ${K2}?` <chr> …
## $ `1007.1 ${K2} a-t-il reçu quelque chose au biberon hier pendant la journée ou la nuit?` <chr> …
## $ `1007.2 Si non à 1007 pendant combien de mois avez vous allaité ${K2}` <dbl> …
## $ K13_1 <chr> …
## $ K13_2 <chr> …
## $ K13_2_1 <dbl> …
## $ K13_3 <chr> …
## $ K13_3_1 <dbl> …
## $ K13_4 <chr> …
## $ K13_5 <chr> …
## $ K13_6 <chr> …
## $ K13_7 <dbl> …
## $ K13_8 <chr> …
## $ K13_9 <chr> …
## $ K13_10 <chr> …
## $ `_index` <dbl> …
## $ `_parent_table_name` <chr> …
## $ `_parent_index` <dbl> …
# Noms des variables
var_label(d$K13_1 ) <- "1008.1 a-t-il bu hier dans la journée ou la nuit de l'Eau"
var_label(d$K13_2 ) <- "1008.2 ${K2} a-t-il bu hier dans la journée ou la nuit le Lait artificiel pour pour bébé comme Nursi, Nativa, Guigoz ou autre ?"
var_label(d$K13_2_1 ) <- "1008.2.1 Combien de fois a-t-il pris Lait artificiel pour pour bébé comme Nursi, Nativa, Guigoz ou autre hier pendant la journée ou la nuit?"
var_label(d$K13_3 ) <- "1008.3 ${K2} a-t-il bu hier dans la journée ou la nuit tout autre lait comme lait en boite, en poudre, ou lait frais ?"
var_label(d$K13_3_1 ) <- "1008.3.1 Combien de fois a-t-il pris Tout autre lait comme lait en boite, en poudre, ou lait frais?"
var_label(d$K13_4 ) <- "1008.4 ${K2} a-t-il bu hier dans la journée ou la nuit le Jus de fruits? ?"
var_label(d$K13_5 ) <- "1008.5 ${K2} a-t-il bu hier dans la journée ou la nuit le Bouillon clair ?"
var_label(d$K13_6 ) <- "1008.6 ${K2} a-t-il bu hier dans la journée ou la nuit Yaourt ?"
var_label(d$K13_7 ) <- "1008.7 Combien de fois a-t-il pris Yaourt?"
var_label(d$K13_8 ) <- "1008.8 ${K2} a-t-il bu hier dans la journée ou la nuit le Bouillon dilué ?"
var_label(d$K13_9 ) <- "1008.9 ${K2} a-t-il bu hier dans la journée ou la nuit le Café ou le thé ?"
var_label(d$K13_10 ) <- "1008.10 ${K2} a-t-il bu hier dans la journée ou la nuit d'autres liquides (eau sucrée, boissons gazeuses ou decoction et autre liquide)?"
# Transformation des variables de type caractère en factor
d$K13_1 <- to_factor(d$K13_1)
d$K13_2 <- to_factor(d$K13_2)
d$K13_3 <- to_factor(d$K13_3)
d$K13_4 <- to_factor(d$K13_4)
d$K13_5 <- to_factor(d$K13_5)
d$K13_6 <- to_factor(d$K13_6)
d$K13_8 <- to_factor(d$K13_8)
d$K13_9 <- to_factor(d$K13_9)
d$K13_10 <- to_factor(d$K13_10)
glimpse(d)
## Rows: 3,122
## Columns: 36
## $ Département <chr> …
## $ `district/Commune` <chr> …
## $ `Milieu de résidence` <chr> …
## $ Localité <chr> …
## $ `Numero corrigé` <chr> …
## $ `Numéro du ménage` <dbl> …
## $ ZD <dbl> …
## $ pondération <dbl> …
## $ `Nombre d'enfant` <dbl> …
## $ iuud <chr> …
## $ `Code ZD` <chr> …
## $ `1002. Nom de l'enfant` <chr> …
## $ Age <dbl> …
## $ `date debut enquete` <dttm> …
## $ `1003. Quelle est la date de la naissance de ${K2}?` <dttm> …
## $ `1004. Quelle est l'âge en mois de ${K2}?` <dbl> …
## $ `1005. Avez-vous allaité ${K2} après l'accouchement ?` <chr> …
## $ `1006. Combien de temps après la naissance avez-vous mis ${K2} au sein pour la première fois ?` <chr> …
## $ `1007. Allaitez-vous encore ${K2}?` <chr> …
## $ `1007.1 ${K2} a-t-il reçu quelque chose au biberon hier pendant la journée ou la nuit?` <chr> …
## $ `1007.2 Si non à 1007 pendant combien de mois avez vous allaité ${K2}` <dbl> …
## $ K13_1 <fct> …
## $ K13_2 <fct> …
## $ K13_2_1 <dbl> …
## $ K13_3 <fct> …
## $ K13_3_1 <dbl> …
## $ K13_4 <fct> …
## $ K13_5 <fct> …
## $ K13_6 <fct> …
## $ K13_7 <dbl> …
## $ K13_8 <fct> …
## $ K13_9 <fct> …
## $ K13_10 <fct> …
## $ `_index` <dbl> …
## $ `_parent_table_name` <chr> …
## $ `_parent_index` <dbl> …
#traitement des variables sélectionnées
# construction de l'indicateur allaitement exclusif au sein
d <- d %>% mutate(allaitexclu = ifelse(((K13_1 == "Non") & (K13_2 == "Non") & (K13_3 == "Non") & (K13_4 == "Non") & (K13_5 == "Non") & (K13_6 == "Non") & (K13_8 == "Non") & (K13_9 == "Non") & (K13_10 == "Non")) , "Oui","Non"))
#d <- d %>% mutate(allaitexclu = ifelse(((K13_1 == "0") & (K13_2 == "0")& (K13_3 == "0") & (K13_4 == "0")& (K13_5 == "0") & (K13_6 == "0")& (K13_8 == "0") & (K13_9 == "0")& (K13_10 == "0")) , "Oui","Non"))
k <- d %>% select(c(Département,allaitexclu,pondération, Age))
path = "E:/UNICEF/Traitement RANJE.sav"
write_sav(k,path)
save(d,file = "ANJE.RData")
save(d,file = "ANJE_FV.RData")
# Tableau de fréquence avec exclusion des valeurs manquantes
tab1 <- freq(d$`1007. Allaitez-vous encore ${K2}?`,exclude=NA, total = TRUE)
tab1
## n %
## non 632 23.2
## oui 2096 76.8
## Total 2728 100.0
tab2 <- d %>%
tab_cells(`1007. Allaitez-vous encore ${K2}?`) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_stat_cpct(label = "row %") %>%
tab_subgroup(subgroup = d$`1005. Avez-vous allaité ${K2} après l'accouchement ?`== "Oui") %>%
tab_subgroup(subgroup = Age[Age >=70]) %>%
tab_pivot(stat_position = "inside_columns")
tab2
|
|
#Total
|
|
|
n
|
row %
|
|
1007. Allaitez-vous encore ${K2}?
|
|
non
|
632
|
23.2
|
|
oui
|
2096
|
76.8
|
|
#Total cases
|
2728
|
2728
|
# Personnes âgées entre 12 et 15 ans
t1 <- d %>% tab_subgroup(subgroup = Age >= 12 & Age < 16) %>% #à mettre au debut
tab_cells(d$Age) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_stat_cpct(label = "col %") %>%
tab_pivot(stat_position = "inside_columns")
t1
|
|
#Total
|
|
|
n
|
col %
|
|
d$Age
|
|
12
|
126
|
28.3
|
|
13
|
119
|
26.7
|
|
14
|
100
|
22.4
|
|
15
|
101
|
22.6
|
|
#Total cases
|
446
|
446
|
# Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi l’ensemble des enfants de 12 à 15 mois
tab0 <- d %>% tab_subgroup(subgroup = Age >= 12 & Age < 16) %>%
tab_cells(`1007. Allaitez-vous encore ${K2}?`) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_stat_cpct(label = "col %") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi l’ensemble des enfants de 12 à 15 mois")
tab0
|
Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi
l’ensemble des enfants de 12 à 15 mois
|
|
|
#Total
|
|
|
n
|
col %
|
|
1007. Allaitez-vous encore ${K2}?
|
|
non
|
91
|
22.8
|
|
oui
|
309
|
77.2
|
|
#Total cases
|
400
|
400
|
# Tableau pondéré
tab01 <- d %>% tab_subgroup(subgroup = Age >= 12 & Age < 16 ) %>%
tab_cells(`1007. Allaitez-vous encore ${K2}?`) %>%
tab_weight(pondération) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "w_cases") %>%
tab_stat_cpct(label = "col %") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi l’ensemble des enfants de 12 à 15 mois")
tab01
|
Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi
l’ensemble des enfants de 12 à 15 mois
|
|
|
#Total
|
|
|
n
|
col %
|
|
1007. Allaitez-vous encore ${K2}?
|
|
non
|
108.2
|
32.3
|
|
oui
|
226.6
|
67.7
|
|
#Total cases
|
|
400
|
|
#Total wtd. cases
|
334.8
|
|
tab02 <- d %>% tab_subgroup(subgroup = Age >= 12 & Age < 16 ) %>%
tab_cells(`1007. Allaitez-vous encore ${K2}?`) %>% tab_weight(pondération) %>%
tab_stat_cases(label = "n",total_statistic = "w_cases") %>%
tab_total_row_position("below") %>%
tab_stat_cpct(label = "col %",total_statistic = "w_tpct") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi l’ensemble des enfants de 12 à 15 mois")
tab02
|
Tableau : proportion d’enfants de 12 à 15 mois encore allaités parmi
l’ensemble des enfants de 12 à 15 mois
|
|
|
#Total
|
|
|
n
|
col %
|
|
1007. Allaitez-vous encore ${K2}?
|
|
non
|
108.2
|
32.3
|
|
oui
|
226.6
|
67.7
|
|
#Total wtd. tpct
|
|
100
|
|
#Total wtd. cases
|
334.8
|
|
# Recordage avec le package EXPSS
d1 <- d
# var[var == "2"] <- "0"
# var[var == "1"] <- "2"
# var[var == "3"] <- "1"
lab <- function (var) {
var <- as.character(var)
var[var == "Non"] <- "0"
var[var == "Oui"] <- "1"
var[var == "Ne sait pas"] <- "2"
return(var)
}
d2 <- d %>% select( starts_with('K13_')) %>% select(-c(K13_2_1,K13_3_1, K13_7)) %>% map_df(lab)
d1$K13_1 <- lab(d1$K13_1)
d1$K13_2 <- lab(d1$K13_2)
d1$K13_3 <- lab(d1$K13_3)
d1$K13_4 <- lab(d1$K13_4)
d1$K13_5 <- lab(d1$K13_5)
d1$K13_6 <- lab(d1$K13_6)
d1$K13_8 <- lab(d1$K13_8)
d1$K13_9 <- lab(d1$K13_9)
d1$K13_10 <- lab(d1$K13_10)
codelab= num_lab( "
0 Non
1 Oui
2 NSP
")
# actr est une fonction de labellisation
actr <- function(v){
v <- as.character(v)
val_labels(v) <- c("Non"="0", "Oui" ="1","NSP" = "2")
return(v)
}
# Application à la base d1
d1[,c("K13_1", "K13_2", "K13_3", "K13_4", "K13_5", "K13_6", "K13_8",
"K13_9", "K13_10")] <- d1[,c("K13_1", "K13_2", "K13_3", "K13_4", "K13_5", "K13_6", "K13_8",
"K13_9", "K13_10")] %>% map_df(lab) %>% map_dfr(actr)
# Tabulation
tabal <- d %>% tab_subgroup(subgroup = (Age < 6 ) ) %>%
tab_cells(allaitexclu) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_weight(pondération) %>%
tab_stat_cpct(label = "col %") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein")
tabal
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein
|
|
|
#Total
|
|
|
n
|
col %
|
|
allaitexclu
|
|
Non
|
718
|
69.8
|
|
Oui
|
339
|
30.2
|
|
#Total cases
|
1057
|
1057
|
#expss_digits(digits = 1)
tabal2 <- d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_total_row_position("below") %>%
tab_weight(pondération) %>%
tab_stat_rpct(total_row_position = "below",
total_label = c("Eff", "%"),
total_statistic = c("w_cases", "w_rpct")) %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
tabal2
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
allaitexclu
|
|
#Total
|
|
|
Non
|
Oui
|
|
|
|
Département
|
|
Bouénza
|
70.7
|
29.3
|
|
100
|
|
Brazzaville
|
65.0
|
35.0
|
|
100
|
|
Cuvette
|
68.5
|
31.5
|
|
100
|
|
Cuvette-Ouest
|
71.7
|
28.3
|
|
100
|
|
Kouilou
|
83.3
|
16.7
|
|
100
|
|
Likouala
|
53.4
|
46.6
|
|
100
|
|
Lékoumou
|
69.4
|
30.6
|
|
100
|
|
Niari
|
75.6
|
24.4
|
|
100
|
|
Plateaux
|
64.3
|
35.7
|
|
100
|
|
Pointe-Noire
|
82.4
|
17.6
|
|
100
|
|
Pool
|
66.2
|
33.8
|
|
100
|
|
Sangha
|
66.7
|
33.3
|
|
100
|
|
#Eff
|
719
|
311.6
|
|
1030.6
|
|
#%
|
69.8
|
30.2
|
|
100
|
tabal3 <- d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_weight(pondération) %>%
tab_stat_cases(label = "n",total_statistic = "w_cases") %>% # permet de mettre les modalités en colonnes
tab_total_row_position("below") %>%
tab_stat_rpct(total_row_position = "below", # permet de mettre les modalités en ligne
total_label = "%",
total_statistic ="w_rpct") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
tabal3
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
allaitexclu
|
|
#Total
|
|
|
Non
|
|
Oui
|
|
n
|
|
|
|
|
n
|
|
|
n
|
|
|
|
|
|
|
Département
|
|
Bouénza
|
41.8
|
70.7
|
|
17.4
|
29.3
|
|
59.2
|
|
100
|
|
Brazzaville
|
246.7
|
65.0
|
|
132.9
|
35.0
|
|
379.6
|
|
100
|
|
Cuvette
|
19.9
|
68.5
|
|
9.1
|
31.5
|
|
29.0
|
|
100
|
|
Cuvette-Ouest
|
6.6
|
71.7
|
|
2.6
|
28.3
|
|
9.2
|
|
100
|
|
Kouilou
|
14.1
|
83.3
|
|
2.8
|
16.7
|
|
16.9
|
|
100
|
|
Likouala
|
42.3
|
53.4
|
|
36.9
|
46.6
|
|
79.2
|
|
100
|
|
Lékoumou
|
16.5
|
69.4
|
|
7.3
|
30.6
|
|
23.8
|
|
100
|
|
Niari
|
44.2
|
75.6
|
|
14.2
|
24.4
|
|
58.4
|
|
100
|
|
Plateaux
|
18.2
|
64.3
|
|
10.1
|
35.7
|
|
28.3
|
|
100
|
|
Pointe-Noire
|
198.5
|
82.4
|
|
42.5
|
17.6
|
|
241.0
|
|
100
|
|
Pool
|
54.7
|
66.2
|
|
28.0
|
33.8
|
|
82.7
|
|
100
|
|
Sangha
|
15.4
|
66.7
|
|
7.7
|
33.3
|
|
23.1
|
|
100
|
|
#%
|
|
69.8
|
|
|
30.2
|
|
|
|
100
|
|
#Total wtd. cases
|
719
|
|
|
311.6
|
|
|
1030.6
|
|
|
calculate(d,
cro_rpct(
Département,
list(allaitexclu,total()),
subgroup = Age >= 0 & Age < 6,
total_label = c("Eff pondéré","%"),
weight = pondération,
total_statistic = c("w_cases","w_rpct"),
total_row_position = "below"
))
|
|
Non
|
Oui
|
#Total
|
|
Département
|
|
Bouénza
|
70.7
|
29.3
|
100
|
|
Brazzaville
|
65.0
|
35.0
|
100
|
|
Cuvette
|
68.5
|
31.5
|
100
|
|
Cuvette-Ouest
|
71.7
|
28.3
|
100
|
|
Kouilou
|
83.3
|
16.7
|
100
|
|
Likouala
|
53.4
|
46.6
|
100
|
|
Lékoumou
|
69.4
|
30.6
|
100
|
|
Niari
|
75.6
|
24.4
|
100
|
|
Plateaux
|
64.3
|
35.7
|
100
|
|
Pointe-Noire
|
82.4
|
17.6
|
100
|
|
Pool
|
66.2
|
33.8
|
100
|
|
Sangha
|
66.7
|
33.3
|
100
|
|
#Eff pondéré
|
719
|
311.6
|
1030.6
|
|
#%
|
69.8
|
30.2
|
100
|
# Création de la feuille Excel
l <- list(ta1 = tabal, ta2 = tabal2, tall = tabal3, allait12_15 = tab02 )
wb = createWorkbook()
sh = addWorksheet(wb, "Tables")
sh2 = addWorksheet(wb, "list")
# Exportation en Excel
xl_write(tabal2,wb, sh,
# remove '#' sign from totals
col_symbols_to_remove = "#",
row_symbols_to_remove = "#",
# format total column as bold
other_col_labels_formats = list("#" = createStyle(textDecoration = "bold")),
other_cols_formats = list("#" = createStyle(textDecoration = "bold")),
)
xl_write(l,wb, sh2,
# remove '#' sign from totals
col_symbols_to_remove = "#",
row_symbols_to_remove = "#",
# format total column as bold
other_col_labels_formats = list("#" = createStyle(textDecoration = "bold")),
other_cols_formats = list("#" = createStyle(textDecoration = "bold")),
)
# Enregistrement du fichier
`activeSheet<-`(wb,1) # première feuille comme feuille active
`activeSheet<-`(wb,2) # deuxième feuille comme feuille active
saveWorkbook(wb, "report.xlsx", overwrite = TRUE)
## Warning in file.create(to[okay]): impossible de créer le fichier 'report.xlsx',
## à cause de 'Permission denied'
head(d)
## # A tibble: 6 × 37
## Départem…¹ distr…² Milie…³ Local…⁴ Numer…⁵ Numér…⁶ ZD pondé…⁷ Nombr…⁸ iuud
## <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 Brazzavil… Brazza… Urbain 0 1 13 253 3.80 1 0533…
## 2 Plateaux Abala Rural Assele… 1 17 8 0.404 1 4023…
## 3 Plateaux Abala Rural Assele… 1 7 8 0.404 1 b7cf…
## 4 Plateaux Abala Rural EYOULOU 1 12 13 0.404 1 ad73…
## 5 Plateaux Abala Rural EYOULOU 1 17 13 0.404 1 424b…
## 6 Plateaux Abala Rural Eyoulou 1 7 13 0.404 1 1cc1…
## # … with 27 more variables: `Code ZD` <chr>, `1002. Nom de l'enfant` <chr>,
## # Age <dbl>, `date debut enquete` <dttm>,
## # `1003. Quelle est la date de la naissance de ${K2}?` <dttm>,
## # `1004. Quelle est l'âge en mois de ${K2}?` <dbl>,
## # `1005. Avez-vous allaité ${K2} après l'accouchement ?` <chr>,
## # `1006. Combien de temps après la naissance avez-vous mis ${K2} au sein pour la première fois ?` <chr>,
## # `1007. Allaitez-vous encore ${K2}?` <chr>, …
# total et effectif en fin du tableau
t3 <- d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cols(list(allaitexclu, total())) %>%
tab_cells(Département) %>% # any number of variables without total
tab_total_row_position("none") %>%
tab_weight(pondération) %>%
tab_stat_cpct() %>%
tab_row_label(" ") %>% # ligne vide
tab_cells(`Milieu de résidence`) %>% # last variable with total
tab_total_label(c("N (weighted)", "% ")) %>%
tab_total_row_position("below") %>%
tab_stat_rpct(total_statistic = c("w_cases", "w_rpct")) %>%
tab_pivot() %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département selon le milieu de résidence")
t3
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département selon le milieu de résidence
|
|
|
Non
|
Oui
|
#Total
|
|
Département
|
|
Bouénza
|
5.8
|
5.6
|
5.7
|
|
Brazzaville
|
34.3
|
42.6
|
36.8
|
|
Cuvette
|
2.8
|
2.9
|
2.8
|
|
Cuvette-Ouest
|
0.9
|
0.8
|
0.9
|
|
Kouilou
|
2.0
|
0.9
|
1.6
|
|
Likouala
|
5.9
|
11.8
|
7.7
|
|
Lékoumou
|
2.3
|
2.3
|
2.3
|
|
Niari
|
6.1
|
4.6
|
5.7
|
|
Plateaux
|
2.5
|
3.2
|
2.7
|
|
Pointe-Noire
|
27.6
|
13.7
|
23.4
|
|
Pool
|
7.6
|
9.0
|
8.0
|
|
Sangha
|
2.1
|
2.5
|
2.2
|
|
|
|
|
|
|
|
|
Milieu de résidence
|
|
Rural
|
67.6
|
32.4
|
100.0
|
|
Urbain
|
70.7
|
29.3
|
100.0
|
|
#N (weighted)
|
719
|
311.6
|
1030.6
|
|
#%
|
69.8
|
30.2
|
100
|
t4 <- mtcars %>%
tab_cols(list(am, total())) %>%
tab_cells(cyl, vs) %>% # any number of variables without total
tab_total_row_position("none") %>%
tab_stat_cpct() %>%
tab_cells(gear) %>% # last variable with total
tab_total_label(c("N (unweighted)", "%")) %>%
tab_total_row_position("below") |>
tab_stat_cpct(total_statistic = c("u_cases", "w_cases")) %>%
tab_pivot()
t4
|
|
0
|
1
|
#Total
|
|
cyl
|
|
4
|
15.8
|
61.5
|
34.4
|
|
6
|
21.1
|
23.1
|
21.9
|
|
8
|
63.2
|
15.4
|
43.8
|
|
vs
|
|
0
|
63.2
|
46.2
|
56.2
|
|
1
|
36.8
|
53.8
|
43.8
|
|
gear
|
|
3
|
78.9
|
|
46.9
|
|
4
|
21.1
|
61.5
|
37.5
|
|
5
|
|
38.5
|
15.6
|
|
#N (unweighted)
|
19
|
13
|
32
|
|
#%
|
19
|
13
|
32
|
#############################################################################
# Différentes sorties des tableaux
## Aperçu de stat_position = "inside_columns"
d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>% # permet de mettre les modalités en colonnes
tab_weight(pondération) %>%
tab_stat_rpct(label = " %",total_statistic = "w_rpct") %>%
tab_pivot(stat_position = "inside_columns") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
allaitexclu
|
|
#Total
|
|
|
Non
|
|
Oui
|
|
n
|
|
%
|
|
|
n
|
%
|
|
n
|
%
|
|
|
|
|
|
Département
|
|
Bouénza
|
53
|
70.7
|
|
22
|
29.3
|
|
75
|
|
100
|
|
Brazzaville
|
65
|
65.0
|
|
35
|
35.0
|
|
100
|
|
100
|
|
Cuvette
|
37
|
68.5
|
|
17
|
31.5
|
|
54
|
|
100
|
|
Cuvette-Ouest
|
38
|
71.7
|
|
15
|
28.3
|
|
53
|
|
100
|
|
Kouilou
|
55
|
83.3
|
|
11
|
16.7
|
|
66
|
|
100
|
|
Likouala
|
94
|
53.4
|
|
82
|
46.6
|
|
176
|
|
100
|
|
Lékoumou
|
68
|
69.4
|
|
30
|
30.6
|
|
98
|
|
100
|
|
Niari
|
59
|
75.6
|
|
19
|
24.4
|
|
78
|
|
100
|
|
Plateaux
|
45
|
64.3
|
|
25
|
35.7
|
|
70
|
|
100
|
|
Pointe-Noire
|
70
|
82.4
|
|
15
|
17.6
|
|
85
|
|
100
|
|
Pool
|
86
|
66.2
|
|
44
|
33.8
|
|
130
|
|
100
|
|
Sangha
|
48
|
66.7
|
|
24
|
33.3
|
|
72
|
|
100
|
|
#Total wtd. rpct
|
|
69.8
|
|
|
30.2
|
|
|
|
100
|
|
#Total cases
|
718
|
|
|
339
|
|
|
1057
|
|
|
## Aperçu de stat_position = "outside_columns"
d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_total_row_position("below") %>% tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_weight(pondération) %>%
tab_stat_rpct(label = " %",total_statistic = "w_rpct") %>%
tab_pivot(stat_position = "outside_columns") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
allaitexclu
|
|
#Total
|
|
allaitexclu
|
|
#Total
|
|
|
Non
|
|
Oui
|
|
n
|
|
Non
|
|
Oui
|
|
%
|
|
|
n
|
|
n
|
|
|
|
%
|
|
%
|
|
|
|
Département
|
|
Bouénza
|
53
|
|
22
|
|
75
|
|
70.7
|
|
29.3
|
|
100
|
|
Brazzaville
|
65
|
|
35
|
|
100
|
|
65.0
|
|
35.0
|
|
100
|
|
Cuvette
|
37
|
|
17
|
|
54
|
|
68.5
|
|
31.5
|
|
100
|
|
Cuvette-Ouest
|
38
|
|
15
|
|
53
|
|
71.7
|
|
28.3
|
|
100
|
|
Kouilou
|
55
|
|
11
|
|
66
|
|
83.3
|
|
16.7
|
|
100
|
|
Likouala
|
94
|
|
82
|
|
176
|
|
53.4
|
|
46.6
|
|
100
|
|
Lékoumou
|
68
|
|
30
|
|
98
|
|
69.4
|
|
30.6
|
|
100
|
|
Niari
|
59
|
|
19
|
|
78
|
|
75.6
|
|
24.4
|
|
100
|
|
Plateaux
|
45
|
|
25
|
|
70
|
|
64.3
|
|
35.7
|
|
100
|
|
Pointe-Noire
|
70
|
|
15
|
|
85
|
|
82.4
|
|
17.6
|
|
100
|
|
Pool
|
86
|
|
44
|
|
130
|
|
66.2
|
|
33.8
|
|
100
|
|
Sangha
|
48
|
|
24
|
|
72
|
|
66.7
|
|
33.3
|
|
100
|
|
#Total wtd. rpct
|
|
|
|
|
|
|
69.8
|
|
30.2
|
|
100
|
|
#Total cases
|
718
|
|
339
|
|
1057
|
|
|
|
|
|
|
## Apperçu de stat_position = "inside_rows"
d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_total_row_position("below") %>% tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_weight(pondération) %>%
tab_stat_rpct(label = " %",total_statistic = "w_rpct") %>%
tab_pivot(stat_position = "inside_rows") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
|
|
allaitexclu
|
|
#Total
|
|
|
|
|
Non
|
Oui
|
|
|
|
Département
|
|
Bouénza
|
n
|
|
53.0
|
22.0
|
|
75
|
|
|
%
|
|
70.7
|
29.3
|
|
100
|
|
Brazzaville
|
n
|
|
65.0
|
35.0
|
|
100
|
|
|
%
|
|
65.0
|
35.0
|
|
100
|
|
Cuvette
|
n
|
|
37.0
|
17.0
|
|
54
|
|
|
%
|
|
68.5
|
31.5
|
|
100
|
|
Cuvette-Ouest
|
n
|
|
38.0
|
15.0
|
|
53
|
|
|
%
|
|
71.7
|
28.3
|
|
100
|
|
Kouilou
|
n
|
|
55.0
|
11.0
|
|
66
|
|
|
%
|
|
83.3
|
16.7
|
|
100
|
|
Likouala
|
n
|
|
94.0
|
82.0
|
|
176
|
|
|
%
|
|
53.4
|
46.6
|
|
100
|
|
Lékoumou
|
n
|
|
68.0
|
30.0
|
|
98
|
|
|
%
|
|
69.4
|
30.6
|
|
100
|
|
Niari
|
n
|
|
59.0
|
19.0
|
|
78
|
|
|
%
|
|
75.6
|
24.4
|
|
100
|
|
Plateaux
|
n
|
|
45.0
|
25.0
|
|
70
|
|
|
%
|
|
64.3
|
35.7
|
|
100
|
|
Pointe-Noire
|
n
|
|
70.0
|
15.0
|
|
85
|
|
|
%
|
|
82.4
|
17.6
|
|
100
|
|
Pool
|
n
|
|
86.0
|
44.0
|
|
130
|
|
|
%
|
|
66.2
|
33.8
|
|
100
|
|
Sangha
|
n
|
|
48.0
|
24.0
|
|
72
|
|
|
%
|
|
66.7
|
33.3
|
|
100
|
|
#Total cases
|
n
|
|
718
|
339
|
|
1057
|
|
#Total wtd. rpct
|
%
|
|
69.8
|
30.2
|
|
100
|
##Aperçu de stat_position = "outside_rows"
d %>% tab_subgroup(subgroup = (Age < 6 )) %>%
tab_cells(Département) %>%
tab_cols(allaitexclu,total()) %>%
tab_total_row_position("below") %>% tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_weight(pondération) %>%
tab_stat_rpct(label = " %",total_statistic = "w_rpct") %>%
tab_pivot(stat_position = "outside_rows") %>%
tab_caption("Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement allaités au sein par département")
|
Tableau : Répartition (%) des enfants de moins de 6 mois exclusivement
allaités au sein par département
|
|
|
|
|
allaitexclu
|
|
#Total
|
|
|
|
|
Non
|
Oui
|
|
|
|
Département
|
|
Bouénza
|
n
|
|
53.0
|
22.0
|
|
75
|
|
Brazzaville
|
n
|
|
65.0
|
35.0
|
|
100
|
|
Cuvette
|
n
|
|
37.0
|
17.0
|
|
54
|
|
Cuvette-Ouest
|
n
|
|
38.0
|
15.0
|
|
53
|
|
Kouilou
|
n
|
|
55.0
|
11.0
|
|
66
|
|
Likouala
|
n
|
|
94.0
|
82.0
|
|
176
|
|
Lékoumou
|
n
|
|
68.0
|
30.0
|
|
98
|
|
Niari
|
n
|
|
59.0
|
19.0
|
|
78
|
|
Plateaux
|
n
|
|
45.0
|
25.0
|
|
70
|
|
Pointe-Noire
|
n
|
|
70.0
|
15.0
|
|
85
|
|
Pool
|
n
|
|
86.0
|
44.0
|
|
130
|
|
Sangha
|
n
|
|
48.0
|
24.0
|
|
72
|
|
#Total cases
|
n
|
|
718
|
339
|
|
1057
|
|
Bouénza
|
%
|
|
70.7
|
29.3
|
|
100
|
|
Brazzaville
|
%
|
|
65.0
|
35.0
|
|
100
|
|
Cuvette
|
%
|
|
68.5
|
31.5
|
|
100
|
|
Cuvette-Ouest
|
%
|
|
71.7
|
28.3
|
|
100
|
|
Kouilou
|
%
|
|
83.3
|
16.7
|
|
100
|
|
Likouala
|
%
|
|
53.4
|
46.6
|
|
100
|
|
Lékoumou
|
%
|
|
69.4
|
30.6
|
|
100
|
|
Niari
|
%
|
|
75.6
|
24.4
|
|
100
|
|
Plateaux
|
%
|
|
64.3
|
35.7
|
|
100
|
|
Pointe-Noire
|
%
|
|
82.4
|
17.6
|
|
100
|
|
Pool
|
%
|
|
66.2
|
33.8
|
|
100
|
|
Sangha
|
%
|
|
66.7
|
33.3
|
|
100
|
|
#Total wtd. rpct
|
%
|
|
69.8
|
30.2
|
|
100
|
mtcars %>%
tab_cells(am) %>%
tab_cols(vs, total()) %>%
tab_total_row_position("below") %>%
tab_stat_cases(label = "n",total_statistic = "u_cases") %>%
tab_stat_rpct(label = "row %") %>%
tab_pivot(stat_position = "inside_columns")
|
|
vs
|
|
#Total
|
|
|
0
|
|
1
|
|
n
|
|
row %
|
|
|
n
|
row %
|
|
n
|
row %
|
|
|
|
|
|
am
|
|
0
|
12
|
63.2
|
|
7
|
36.8
|
|
19
|
|
100
|
|
1
|
6
|
46.2
|
|
7
|
53.8
|
|
13
|
|
100
|
|
#Total cases
|
18
|
18
|
|
14
|
14
|
|
32
|
|
32
|