在R中创建统计汇总表格、解决新变量报错及工具包推荐

1. 创建包含连续/分类变量统计量的表格 #

连续变量（年龄、体重） #

可以结合dplyr和tidyverse工具计算自定义统计量，示例代码如下：

# 生成示例数据
set.seed(123)
df <- data.frame(
  age = rnorm(100, 30, 5),
  weight = rnorm(100, 65, 8),
  gender = sample(c("男", "女"), 100, replace = TRUE),
  education = sample(c("初中", "高中", "大学"), 100, replace = TRUE, prob = c(0.2, 0.3, 0.5))
)

# 计算连续变量的均值、标准差、95%置信区间
continuous_stats <- df %>%
  select(age, weight) %>%
  summarise(across(everything(), list(
    mean = ~mean(., na.rm = TRUE),
    sd = ~sd(., na.rm = TRUE),
    ci_lower = ~mean(., na.rm = TRUE) - qt(0.975, df = n()-1)*sd(., na.rm = TRUE)/sqrt(n()),
    ci_upper = ~mean(., na.rm = TRUE) + qt(0.975, df = n()-1)*sd(., na.rm = TRUE)/sqrt(n())
  ))) %>%
  pivot_longer(everything(), names_sep = "_", names_to = c("variable", "stat")) %>%
  pivot_wider(names_from = stat, values_from = value)

print(continuous_stats)

分类变量（性别、教育程度） #

计算绝对频数、相对频数、累积频数，示例代码：

# 分类变量频数统计
categorical_stats <- df %>%
  select(gender, education) %>%
  map_dfr(function(col) {
    freq <- table(col)
    rel_freq <- prop.table(freq)*100
    cum_freq <- cumsum(rel_freq)
    tibble(
      variable = rep(deparse(substitute(col)), length(freq)),
      category = names(freq),
      absolute_freq = as.integer(freq),
      relative_freq = round(rel_freq, 1),
      cumulative_freq = round(cum_freq, 1)
    )
  }, .id = NULL)

print(categorical_stats)

后续可使用gt或flextable包对表格进行美化输出。

2. 解决"variable not found"错误 #

出现该错误的常见原因及对应解决方法：

• 变量归属环境错误：如果变量是数据框的列，调用时需添加数据框前缀（如df$new_var），或用with(df, ...)包裹代码，避免直接调用列名。
• 拼写/大小写错误：R对大小写敏感，核对变量名的拼写和大小写，比如NewVar和newvar会被识别为两个不同变量。
• 管道链中断：用%>%生成新变量时，若未将结果赋值给新数据框，变量仅在管道内临时存在。正确写法：

  # 错误写法：new_var仅在管道内有效
  df %>% mutate(new_var = age + 10)
  print(new_var)
  
  # 正确写法：赋值给新数据框
  df_new <- df %>% mutate(new_var = age + 10)
  print(df_new$new_var)
  

• 函数环境隔离：自定义函数内生成的变量默认不会暴露到全局环境，需用return()返回结果，或明确赋值到全局环境（不推荐）。
• 生成逻辑错误：若生成变量时用到含NA的列，可能导致变量未正确生成，检查mutate语句逻辑，必要时添加na.rm = TRUE参数。

3. 统计表格常用R包及实现方式 #

通用类包 #

• tableone：专为基线表设计，支持同时处理连续和分类变量：

  library(tableone)
  vars <- c("age", "weight", "gender", "education")
  cat_vars <- c("gender", "education")
  tab <- CreateTableOne(vars = vars, factorVars = cat_vars, data = df)
  print(tab, showAllLevels = TRUE)
  

• gt：用于美化表格，配合tidyverse计算的统计量生成专业格式表格：

  library(gt)
  continuous_stats %>% gt() %>% 
    tab_header(title = "连续变量描述统计") %>%
    fmt_number(columns = c(mean, sd, ci_lower, ci_upper), decimals = 1)
  

连续变量专用实现 #

• dplyr + tidyr：灵活计算自定义统计量，适合个性化需求（如前文的置信区间计算）。
• psych：describe()函数快速生成基础描述统计，包含均值、标准差、中位数等：

  library(psych)
  describe(df[, c("age", "weight")])
  

分类变量专用实现 #

• janitor：tabyl()函数一键生成频数、相对频数表格，支持快速整理：

  library(janitor)
  df %>% tabyl(gender) %>% adorn_pct_formatting() %>% adorn_totals("row")
  

• dplyr + tidyr：用table()、prop.table()结合tidyverse函数手动整理频数表（如前文示例）。

内容的提问来源于stack exchange，提问作者user24829328