R新手求助：如何制作清晰的3个分类变量计数描述性表格？

你用bind_rows合并三个列名不同的数据框，导致每行只有一列有值、其余全是NA，这是表格混乱的核心原因。下面提供两种高效实现方法：

方法一：用gt_summary快速生成标准化描述性表格（推荐） #

gt_summary的*tbl_summary()*专门用于生成数据概况表格，无需手动拆分合并，一步到位，适合新手。

代码示例： #

# 加载所需包
library(gtsummary)
library(dplyr)

# 生成包含性别、年龄、种族的描述性表格
tbl_summary(
  hais,
  # 指定要分析的分类变量
  include = c(Q41, Q42, Q45),
  # 替换变量名为易懂标签
  label = list(
    Q41 ~ "性别",
    Q42 ~ "年龄组",
    Q45 ~ "种族"
  ),
  # 设置分类变量的统计格式（计数+百分比）
  statistic = all_categorical() ~ "{n} ({p}%)"
) %>%
  add_title("样本基本特征概况")

关键说明： #

• include：指定纳入分析的变量（对应你的Q41性别、Q42年龄、Q45种族）
• label：将原始变量名替换为友好的中文标签，提升可读性
• statistic：同时展示计数和百分比，比单纯计数更具参考价值
• 生成的表格自动按变量分组，结构清晰无NA值

方法二：手动整理数据后用gt包生成表格 #

如果坚持用gt包手动实现，需先将三个变量的计数数据整理为统一结构，再合并：

代码示例： #

library(dplyr)
library(gt)

# 整理性别数据
sex_data <- hais %>%
  count(Q41) %>%
  mutate(变量类别 = "性别", 类别选项 = as.character(Q41)) %>%
  select(变量类别, 类别选项, Count = n)

# 整理年龄组数据
age_data <- hais %>%
  count(Q42) %>%
  mutate(变量类别 = "年龄组", 类别选项 = as.character(Q42)) %>%
  select(变量类别, 类别选项, Count = n)

# 整理种族数据
race_data <- hais %>%
  count(Q45) %>%
  mutate(变量类别 = "种族", 类别选项 = as.character(Q45)) %>%
  select(变量类别, 类别选项, Count = n)

# 合并统一结构的数据（无NA）
combined_data <- bind_rows(sex_data, age_data, race_data)

# 用gt生成并美化表格
gt(combined_data) %>%
  group_by(变量类别) %>%
  cols_label(
    变量类别 = "变量",
    类别选项 = "分类",
    Count = "计数"
  ) %>%
  tab_header(title = "样本分类变量计数概况")

关键说明： #

• 给每个变量数据新增变量类别列，标记所属分类（性别/年龄/种族）
• 统一列名后再合并，避免出现NA值
• 用group_by在gt表格中按变量类别分组，结构更清晰

内容的提问来源于stack exchange，提问作者Kieran