解决gtsummary中tbl_strata()全缺失变量的0(NA%)显示及相关需求

问题场景 #

用gtsummary::tbl_strata()按Auto/Beauty店铺类型分层展示数据时，碰到三个棘手问题：

• 只有Beauty店才有的变量，在Auto分层里全是缺失值，但输出里硬显示0(NA%)，想把这行彻底删掉
• 部分变量的Unknown选项要挪到选项列表的最底部
• Auto分层里这个Beauty专属变量不用算p值，也不能出现对应的脚注

完整解决代码 #

先搭个可复现的数据集，再放代码：

library(gtsummary)
library(tidyverse)

# 造个测试数据
set.seed(123)
data <- tibble(
  shop_type = sample(c("Auto", "Beauty"), 200, replace = TRUE),
  common_var = sample(c("Yes", "No", "Unknown"), 200, replace = TRUE),
  # 只有Beauty店有这个变量，Auto店全是NA
  beauty_only_var = case_when(
    shop_type == "Beauty" ~ sample(c("High", "Medium", "Low", "Unknown"), 100, replace = TRUE),
    TRUE ~ NA_character_
  )
)

# 第一步：把Unknown设为变量的最后一个选项，确保显示在底部
data <- data %>%
  mutate(
    common_var = factor(common_var, levels = c("Yes", "No", "Unknown")),
    beauty_only_var = factor(beauty_only_var, levels = c("High", "Medium", "Low", "Unknown"))
  )

# 第二步：写个自定义的分层统计函数，处理不同分层的变量和p值
strata_summary_fun <- function(data) {
  # 先拿到当前是Auto还是Beauty分层
  current_shop <- unique(data$shop_type)
  
  # 构建基础统计表
  tbl <- data %>%
    select(common_var, beauty_only_var) %>%
    tbl_summary(
      missing = "no",  # 不单独显示缺失值行
      statistic = all_categorical() ~ "{n} ({p}%)",
      # Auto分层只统计公共变量，Beauty分层统计所有变量
      include = if (current_shop == "Auto") c("common_var") else c("common_var", "beauty_only_var")
    ) %>%
    add_p(
      # 公共变量用卡方检验，Auto分层不计算专属变量的p值
      test = list(common_var = "chisq.test"),
      include = if (current_shop == "Auto") c("common_var") else c("common_var", "beauty_only_var")
    )
  
  # 如果是Auto分层，直接删掉beauty_only_var的所有行
  if (current_shop == "Auto") {
    tbl <- tbl %>%
      modify_table_body(
        filter, !variable %in% "beauty_only_var"
      )
  }
  
  tbl
}

# 第三步：生成最终的分层表格
final_tbl <- data %>%
  tbl_strata(
    strata = shop_type,
    strata_fun = strata_summary_fun,
    combine_with = "tbl_merge",
    tab_spanner = c("**Auto Shop**", "**Beauty Shop**")
  ) %>%
  # 统一设置脚注（如果有单独的脚注需求，在这里改就行）
  modify_footnote(
    all_stat_cols() ~ "n (%)",
    all_p_cols() ~ "Pearson's Chi-squared test"
  )

final_tbl

关键操作说明 #

1. 把Unknown挪到最底部 #

直接用factor()指定变量的水平顺序，把Unknown放在最后，gtsummary就会按这个顺序显示选项，不用额外调整：

common_var = factor(common_var, levels = c("Yes", "No", "Unknown"))

2. 删掉Auto分层的无效行 #

在自定义的分层函数里，判断当前是Auto分层时，用modify_table_body()过滤掉专属变量的行，彻底移除那行0(NA%)，不会再显示。

3. 控制p值和脚注 #

• 在tbl_summary()和add_p()的include参数里，Auto分层只保留公共变量，这样专属变量根本不会被纳入统计，自然不会有p值
• 最后用modify_footnote()统一设置脚注，只有存在p值的变量才会显示对应的脚注，Auto分层里没有专属变量的p值，也就不会出现多余脚注

最终效果 #

• Auto分层只显示公共变量，完全看不到Beauty专属变量的痕迹
• 所有变量的Unknown选项都乖乖待在最底部
• Auto分层没有专属变量的p值和脚注，Beauty分层正常显示该变量的统计结果和p值

内容的提问来源于stack exchange，提问作者Shannon