library(summarytools)
view(dfSummary(iris),file='iris_summary.html')EDA1:codebook
資料分析前需要檢視資料本身有無問題，例如有無遺失值，也要先看看變項的次數分配。有幾個套件用一行語法就可以很方便的產生這些統計數字與統計圖，甚至也可產生資料的codebook，方便進行資料的對照與整理。
summarytools
dataMaid
library(dataMaid)
makeDataReport(iris,output="html",replace=TRUE,codebook = TRUE)
makeCodebook(iris,file="iris_dataMaid1.rmd")此套件需要LaTex將報告轉成pdf，所以需要先安裝LaTex。
DataExplorer
library(DataExplorer)
create_report(iris,output_file = 'iris_eda.html')result
sjPlot
library(sjPlot)
view_df(iris,file="iris_sjPlot.html") result
sjmisc
library(sjmisc)
descr(iris,out="viewer",file="iris_sjmisc_descr.html") 
- 另外,用此套件的frq()也可看變項的詳細次數分配
frq(iris)
frq(iris,out="viewer",encoding="UTF-8",file="iris_sjmisc.html")skimr
skimr::skim(iris)| Name | iris |
| Number of rows | 150 |
| Number of columns | 5 |
| _______________________ | |
| Column type frequency: | |
| factor | 1 |
| numeric | 4 |
| ________________________ | |
| Group variables | None |
Variable type: factor
| skim_variable | n_missing | complete_rate | ordered | n_unique | top_counts |
|---|---|---|---|---|---|
| Species | 0 | 1 | FALSE | 3 | set: 50, ver: 50, vir: 50 |
Variable type: numeric
| skim_variable | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|
| Sepal.Length | 0 | 1 | 5.84 | 0.83 | 4.3 | 5.1 | 5.80 | 6.4 | 7.9 | ▆▇▇▅▂ |
| Sepal.Width | 0 | 1 | 3.06 | 0.44 | 2.0 | 2.8 | 3.00 | 3.3 | 4.4 | ▁▆▇▂▁ |
| Petal.Length | 0 | 1 | 3.76 | 1.77 | 1.0 | 1.6 | 4.35 | 5.1 | 6.9 | ▇▁▆▇▂ |
| Petal.Width | 0 | 1 | 1.20 | 0.76 | 0.1 | 0.3 | 1.30 | 1.8 | 2.5 | ▇▁▇▅▃ |
skimr::skim(data) 不能處理haven_labelled的類型，會轉成character
memisc
- 雖然此套件的函數名稱用了codebook，但是其產生結果離社會研究的codebook較遠。
library(memisc)
# codebook
codebook(iris)
# 輸出成html
write_html(codebook(iris),file="iris_memisc.html")
# 輸出成純文字檔
Write(codebook(iris),file="iris_memisc.txt")result
