gtsummary包tbl_summary分层变量分类数≥10时排序异常求助

问题现象 #

在Windows系统R 4.4.0环境使用gtsummary 2.0.0时，当分层变量（by参数指定）的分类数≥10时，表格列顺序会出现混乱；分类数<10时排序正常。例如：

• 字符型年份变量，分类数15时列顺序为2010/2019/2020:2024/2011:2018，不符合预期的年份递增顺序
• 字母变量LETTERS[1:10]作为分层变量时排序异常，而LETTERS[1:9]排序正常

重现代码 #

library(gtsummary)
# 数字型字符分层变量示例
test <- data.frame(x = 1:5, y = as.character(2010:2024))
tbl_summary(test, by = y) # 列顺序异常(2010/2019/2020:2024/2011:2018)
tbl_summary(subset(test, y >= 2016), by = y) # 列顺序正常(2016:2024)
tbl_summary(subset(test, y >= 2015), by = y) # 列顺序异常(2015/2024/2016:2023)

# 字母分层变量示例
tbl_summary(data.frame(x = 1, y = LETTERS[1:9]), by = y) # 正常
tbl_summary(data.frame(x = 1, y = LETTERS[1:10]), by = y) # 异常

原因解析 #

这并非操作错误，而是gtsummary对字符型分层变量的默认排序逻辑导致：

• gtsummary默认依赖系统字符串排序规则对字符型变量排序，而非自然序（数字大小、字母顺序）
• 当分类数较少时，字符串字典序恰好与自然序一致；分类数≥10时，字典序与自然序的差异显现（例如字符"2019"的字典序高于"2011"，字符"J"在部分系统排序规则中位置异常）

解决方法 #

方法1：将分层变量转换为因子（推荐） #

通过指定因子水平的顺序，强制表格按预期排序，这是最可靠的方式：

library(gtsummary)
# 处理数字型字符变量
test <- data.frame(x = 1:5, y = as.character(2010:2024))
# 将字符转换为数值排序后，设置为因子水平
test$y <- factor(test$y, levels = sort(as.numeric(test$y)))
tbl_summary(test, by = y) # 列顺序按年份递增

# 处理字母变量
test_letter <- data.frame(x = 1, y = LETTERS[1:10])
# 直接按字母顺序设置因子水平
test_letter$y <- factor(test_letter$y, levels = LETTERS[1:10])
tbl_summary(test_letter, by = y) # 列顺序按A-J排列

方法2：手动调整表格列顺序 #

如果无法提前转换变量，可使用modify_table_cols()函数手动指定列顺序：

# 生成初始表格
tbl <- tbl_summary(test, by = y)
# 按数值排序后的年份，指定列顺序
target_order <- c("stat_0", paste0("stat_", sort(as.numeric(test$y))))
modify_table_cols(tbl, col_order = target_order)

内容的提问来源于stack exchange，提问作者Henrik