我正在编写一份需要在 Excel 中生成多个数据透视表的报告。我想在 R 中有一种方法可以做到这一点，这样我就可以避免使用 Excel。我想要如下截图所示的输出（教师姓名已编辑）。据我所知，我可以使用 reshape 包来计算聚合值，但我需要多次这样做，并以某种方式以正确的顺序获取所有数据。那时，我应该只在 Excel 中进行操作。有没有人有任何建议或包装推荐？谢谢！
（编辑）数据以学生、他们的老师、学校和成长的列表开始。然后汇总这些数据以获得教师的平均班级增长列表。请注意，教师随后按学校分组。到目前为止，我预见到使用 R 执行此操作的最大问题是，您如何获得小计和总行（BSA1 Total、Grand Total 等），因为它们与其他观察类型不同？您是否只需手动计算它们并尝试以正确的顺序将它们显示在该组的底部？
（来源：imgh.us）
这是计算位的一个赃物：
set.seed(1)
school <- sample(c("BSA1", "BSA2", "HSA1"), 100, replace=T)
teacher <- sample(c("Tom", "Dick", "Harry"), 100, replace=T)
growth <- rnorm(100, 5, 3)
myDf <- data.frame(school, teacher, growth)
require(reshape2)
aggregate(growth ~ school + teacher, data =myDf, FUN=mean)
myDf.melt <- melt(myDf, measured="growth")
dcast(myDf.melt, school + teacher ~ ., fun.aggregate=mean, margins=c("school", "teacher"))
我没有解决输出格式问题，只是计算。生成的数据框应如下所示：
school teacher NA
1 BSA1 Dick 4.663140
2 BSA1 Harry 4.310802
3 BSA1 Tom 5.505247
4 BSA1 (all) 4.670451
5 BSA2 Dick 6.110988
6 BSA2 Harry 5.007221
7 BSA2 Tom 4.337063
8 BSA2 (all) 5.196018
9 HSA1 Dick 4.508610
10 HSA1 Harry 4.890741
11 HSA1 Tom 4.721124
12 HSA1 (all) 4.717335
13 (all) (all) 4.886576
该示例使用 reshape2 包来处理小计。
我认为 R 是适合这里工作的工具。我完全可以理解不确定如何开始进行此分析。几年前我从 Excel 来到 R，一开始可能很难理解。让我指出四个专业提示，以帮助您在 Stack Overflow 中获得更好的答案：
1）提供数据，即使是模拟的：你可以看到我在回答开头模拟了一些数据。如果您提供了该模拟，它将 a) 节省我的时间 b) 为您提供使用您自己的数据结构的答案，而不是我梦想的答案 c) 其他人会回答。我经常跳过没有数据的问题，因为我已经厌倦了猜测他们被告知的数据我的答案很糟糕，因为我猜错了。
2）问一个明确的问题。“我如何做我的工作”不是一个明确的问题。“我如何获取这个示例数据并像这个示例输出一样在聚合中创建小计”是一个特定的问题。
3）继续问！我们都会通过练习变得更好。您正在尝试在 R 中做更多的事情，而在 Excel 中做的更少，因此您显然具有高于平均水平的智力。继续使用 R 并继续提问。一切都会随着时间变得更容易。
4) 描述事物时要小心措辞。您在已编辑的问题中说，您有一个“清单”。R中的列表是一种特定的数据结构。我怀疑您实际上有一个数据框，并且在一般意义上使用了“列表”一词。这可能会造成一些混乱。它还说明了您为什么要提供自己的数据。
使用 JD Long 的模拟数据，并添加 sd 和 counts：
library(reshape) # not reshape2
cast(myDf.melt, school + teacher ~ ., margins=TRUE , c(mean, sd, length))
school teacher mean sd length
1 BSA1 Dick 4.663140 3.718773 14
2 BSA1 Harry 4.310802 1.430594 9
3 BSA1 Tom 5.505247 4.045846 4
4 BSA1 (all) 4.670451 3.095980 27
5 BSA2 Dick 6.110988 2.304104 15
6 BSA2 Harry 5.007221 2.908146 9
7 BSA2 Tom 4.337063 2.789244 14
8 BSA2 (all) 5.196018 2.682924 38
9 HSA1 Dick 4.508610 2.946961 11
10 HSA1 Harry 4.890741 2.977305 13
11 HSA1 Tom 4.721124 3.193576 11
12 HSA1 (all) 4.717335 2.950959 35
13 (all) (all) 4.886576 2.873637 100
下面是使用相对较新的 pivottabler 包生成它的几种不同方法。
披露：我是包作者。
有关更多信息，请参阅CRAN上的包页面以及该页面上提供的各种包小插曲。
样本数据（同上）
set.seed(1)
school <- sample(c("BSA1", "BSA2", "HSA1"), 100, replace=T)
teacher <- sample(c("Tom", "Dick", "Harry"), 100, replace=T)
growth <- rnorm(100, 5, 3)
myDf <- data.frame(school, teacher, growth)
以纯文本形式快速将数据透视表输出到控制台
library(pivottabler)
# arguments: qhpvt(dataFrame, rows, columns, calculations, ...)
qpvt(myDf, c("school", "teacher"), NULL,
c("Average Growth"="mean(growth)", "Std Dev"="sd(growth)",
"# of Scholars"="n()"),
formats=list("%.1f", "%.1f", "%.0f"))
控制台输出：
Average Growth Std Dev # of Scholars
BSA1 Dick 4.7 3.7 14
Harry 4.3 1.4 9
Tom 5.5 4.0 4
Total 4.7 3.1 27
BSA2 Dick 6.1 2.3 15
Harry 5.0 2.9 9
Tom 4.3 2.8 14
Total 5.2 2.7 38
HSA1 Dick 4.5 2.9 11
Harry 4.9 3.0 13
Tom 4.7 3.2 11
Total 4.7 3.0 35
Total 4.9 2.9 100
作为 html 小部件的快速数据透视表输出
library(pivottabler)
qhpvt(myDf, c("school", "teacher"), NULL,
c("Average Growth"="mean(growth)", "Std Dev"="sd(growth)",
"# of Scholars"="n()"),
formats=list("%.1f", "%.1f", "%.0f"))
HTML 小部件输出：
使用更详细的语法生成数据透视表
这有更多选项，例如重命名总计。
library(pivottabler)
pt <- PivotTable$new()
pt$addData(myDf)
pt$addRowDataGroups("school", totalCaption="(all)")
pt$addRowDataGroups("teacher", totalCaption="(all)")
pt$defineCalculation(calculationName="c1", caption="Average Growth",
summariseExpression="mean(growth)", format="%.1f")
pt$defineCalculation(calculationName="c2", caption="Std Dev",
summariseExpression="sd(growth)", format="%.1f")
pt$defineCalculation(calculationName="c3", caption="# of Scholars",
summariseExpression="n()", format="%.0f")
pt # to output to console as plain text
pt$renderPivot() # to output as a html widget
HTML 小部件输出：
很抱歉自动促销，但请查看我的包裹expss。
生成输出的代码如下：
set.seed(1)
school <- sample(c("BSA1", "BSA2", "HSA1"), 100, replace=T)
teacher <- sample(c("Tom", "Dick", "Harry"), 100, replace=T)
growth <- rnorm(100, 5, 3)
myDf <- data.frame(school, teacher, growth)
library(expss)
myDf %>%
# 'tab_cells' - variables on which statistics will be calculated
# "|" is needed to suppress 'growth' in row labels
tab_cells("|" = growth) %>%
# 'tab_cols' - variables for columns. Can be ommited
tab_cols(total(label = "")) %>%
# 'tab_rows' - variables for rows.
tab_rows(school %nest% list(teacher, "(All)"), "|" = "(All)") %>%
# 'method = list' is needed for statistics labels in column
tab_stat_fun("Average Growth" = mean,
"Std Dev" = sd,
"# of scholars" = length,
method = list) %>%
# finalize table
tab_pivot()
上面的代码给出了从 data.frame 继承的对象，可以与标准 R 操作（子集[等）一起使用。但是这个对象有一个特殊的print方法。控制台输出：
| | | Average Growth | Std Dev | # of scholars |
| ----- | ----- | -------------- | ------- | ------------- |
| BSA1 | Dick | 4.7 | 3.7 | 14 |
| | Harry | 4.3 | 1.4 | 9 |
| | Tom | 5.5 | 4.0 | 4 |
| | (All) | 4.7 | 3.1 | 27 |
| BSA2 | Dick | 6.1 | 2.3 | 15 |
| | Harry | 5.0 | 2.9 | 9 |
| | Tom | 4.3 | 2.8 | 14 |
| | (All) | 5.2 | 2.7 | 38 |
| HSA1 | Dick | 4.5 | 2.9 | 11 |
| | Harry | 4.9 | 3.0 | 13 |
| | Tom | 4.7 | 3.2 | 11 |
| | (All) | 4.7 | 3.0 | 35 |
| (All) | | 4.9 | 2.9 | 100 |
通过htmlTableknitr、RStudio 查看器或 Shiny 输出：
