Capítulo 8 Tablas

Por defecto, la forma en que R Markdown muestra tablas es bastante feo porque muestra lo que verías si corrieras el código en la consola.

library(dplyr)
library(tidyr)
library(lubridate)

parques_ancho <- readr::read_csv("http://datos.yvera.gob.ar/dataset/458bcbe1-855c-4bc3-a1c9-cd4e84fedbbc/resource/78aea6ed-761c-4659-bdf2-7fcb0f616fad/download/serie-tiempo-parques-nacionales-mensual.csv")

parques_largo <- parques_ancho %>% 
  pivot_longer(cols = -c("indice_tiempo", "residentes", "no_residentes", "total"),
               names_to = "region_visitante",
               values_to = "valor") %>% 
  mutate(region_visitante = stringr::str_replace(region_visitante, "buenos_aires*", "buenos-aires"),
         region_visitante = stringr::str_replace(region_visitante, "no_residentes", "noresidentes")) %>% 
  separate(region_visitante, into = c("region", "tipo_visitante"), sep = "_") %>% 
  select(-c("residentes", "no_residentes", "total"))

parques_resumen <-  parques_largo %>% 
  mutate(indice_tiempo = ym(indice_tiempo)) %>% 
  group_by(anio = year(indice_tiempo), region, tipo_visitante) %>%  
  summarise(valor = mean(valor)) %>% 
  filter(region %in% c("cordoba", "cuyo", "patagonia"), 
         anio >= 2020) %>% 
  pivot_wider(names_from = "tipo_visitante", values_from = "valor")

parques_resumen

## # A tibble: 6 × 5
## # Groups:   anio, region [6]
##    anio region    noresidentes residentes  total
##   <dbl> <chr>            <dbl>      <dbl>  <dbl>
## 1  2020 cordoba          36.9        626.   663.
## 2  2020 cuyo             55.2       1104.  1160.
## 3  2020 patagonia     25615.       66082  91697.
## 4  2021 cordoba           8.38       958.   966.
## 5  2021 cuyo              3.62      1586.  1590.
## 6  2021 patagonia       113.       77502. 77615

8.1 Tablas simples con `kable`

Existen varios paquetes para mostrar tablas lindas pero una forma simple y sin vueltas es usando la función kable() del paquete knitr. Sólo usando esta función ya devuelve una tabla con un diseño más limpio y acabado:

library(knitr)
kable(parques_resumen)

anio	region	noresidentes	residentes	total
2020	cordoba	36.91667	626.1667	663.0833
2020	cuyo	55.25000	1104.4167	1159.6667
2020	patagonia	25615.25000	66082.0000	91697.1667
2021	cordoba	8.37500	958.1250	966.5000
2021	cuyo	3.62500	1586.1250	1589.7500
2021	patagonia	112.62500	77502.3750	77615.0000

La mayoría de las veces, el nombre de las columnas que queremos mostrar no va a ser igual que el nombre de las columnas en R. En la tabla parques_resumen, los nombres están en minúscula, sin espacios y sin “caracteres especiales” como “ñ”. Esto es útil para comunicarse con R, pero no está bueno para comunicarse con otras personas. El argumento col.names permite especificar el nombre de las columnas para mostrar:

kable(parques_resumen, 
      col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"))

Año	Región	No Residentes	Residentes	Total
2020	cordoba	36.91667	626.1667	663.0833
2020	cuyo	55.25000	1104.4167	1159.6667
2020	patagonia	25615.25000	66082.0000	91697.1667
2021	cordoba	8.37500	958.1250	966.5000
2021	cuyo	3.62500	1586.1250	1589.7500
2021	patagonia	112.62500	77502.3750	77615.0000

En Español, en general usamos la coma para separar los decimales y el punto como separador de miles. Además, esta tabla tiene el problema de la precisión innecesaria: ¿realmente tiene sentido reportar el promedio de visitantes con 5 decimales? Para eso, hay que modificar el argumento format.args de esta manera:

kable(parques_resumen, 
      col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
      format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))

Año	Región	No Residentes	Residentes	Total
2.020	cordoba	37	626	663
2.020	cuyo	55	1.104	1.160
2.020	patagonia	25.615	66.082	91.697
2.021	cordoba	8	958	966
2.021	cuyo	4	1.586	1.590
2.021	patagonia	113	77.502	77.615

En esta llamada hay varios elementos que son parte del argumento format.args:

decimal.mark = ",": usar la coma para la marca de decimales,
big.mark = ".": usar el punto para separador de miles,
digits = 1: redondear todo a 1 cifra significativa,
scientific = FALSE: no usar notación científica.

Uff… pero ponerle el punto de miles a los años queda raro. La solución es convertir la columna anio en caracter. De esta manera, no se ve afectada por el formato numérico.

parques_resumen %>% 
  mutate(anio = as.character(anio)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))

Año	Región	No Residentes	Residentes	Total
2020	cordoba	37	626	663
2020	cuyo	55	1.104	1.160
2020	patagonia	25.615	66.082	91.697
2021	cordoba	8	958	966
2021	cuyo	4	1.586	1.590
2021	patagonia	113	77.502	77.615

Un detalle final podría ser convertir en mayúsculas los nombres de las regiones. Para eso se puede usar la función str_to_sentence() del paquete stringr.

parques_resumen %>% 
  mutate(anio = as.character(anio),
         region = stringr::str_to_sentence(region)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
2020	Cuyo	55	1.104	1.160
2020	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
2021	Cuyo	4	1.586	1.590
2021	Patagonia	113	77.502	77.615

kable es una función diseñada para ser simple y hacer pocas cosas, para hacer cosas un poco mas complicadas está el paquete kableExtra.

8.2 Supertablas con kableExtra

El paquete kableExtra, como su nombre lo indica, nació para extender el poder de la función kable().

library(kableExtra)  # instalar con install.packages("kableExtra")

Primero, guardamos la tabla anterior para editarla con las operaciones de kableExtra.

parques_tabla <- parques_resumen %>% 
  mutate(anio = as.character(anio),
         region = stringr::str_to_sentence(region)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))

La primera columna de la tabla de arriba es un tanto redundante. Sería mejor agrupar las filas según el año. Esto se consigue con la función collapse_rows():

parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>% 
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

El primer argumento es el número de la columna que queremos agrupar. En este caso, la columna anio es la primera. El segundo argumento es la alineación vertical. Por defecto, collapse_rows() pone las etiquetas en el centro, pero la convención más general es ponerlas arriba.

¿Qué es esa kable_styling()? kableExtra permite cambiar el estilo de las tablas muy fácilmente. kable_styling() es el estilo por defecto, que es igual al que produce kable(), pero existen muchos otros. Si viste tablas hechas en LaTeX, quizás este estilo te resulte familiar:

parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>% 
  kable_classic_2()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

La función column_spec() permite cambiar los parámetros gráficos de una o más columnas. En este caso cambiamos la segunda columna (column = 2) para que las palabras aparezcan italizadas (italic = TRUE):

parques_tabla %>% 
  column_spec(column = 2, italic = TRUE) %>%
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

Lo notable de column_spec() es que en sus argumentos se pueden poner vectores de manera de generar formato condicional. Para resaltar con negrita el año 2021:

parques_tabla %>% 
  column_spec(column = 1, bold = (parques_resumen$anio == 2021)) %>%
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

Conviene detenerse para mirar un poco con detalle el código. La llamada a column_spec() está cambiando el formato de la columna 1. En particular, va a determinar si el texto está en negrita (bold) o no. Y la forma para determinarlo es el vector parques_resumen$anio == 2021. ¿Qué es ese vector?

parques_resumen$anio == 2021

## [1] FALSE FALSE FALSE  TRUE  TRUE  TRUE

Por lo tanto, column_spec(column = 1, bold = (parques_resumen$anio == 2021)) va a hacer que las tres últimas filas de la columna uno estén en negrita, y las demás no. Luego, collapse_rows() colapsa las filas según el año y entonces esas tres últimas filas se transforman en una.

En este caso el órden de las operaciones es importante. Si primero colapsamos y luego damos formato, el resultado no es el esperado:

parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  column_spec(column = 1, bold = (parques_resumen$anio == 2021)) %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

Esto da un montón de flexibilidad en el estilo del texto. Por ejemplo, se puede hacer que el color del texto cambie según el valor usando column_spec() y spec_color().

parques_tabla %>% 
  column_spec(5, color = spec_color(parques_resumen$total)) %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

La función nueva, spec_color(), genera colores a partir de un vector. Podés ver cómo funciona en esta linea:

spec_color(parques_resumen$total)

## [1] "#440154FF" "#440256FF" "#FDE725FF" "#440256FF" "#450559FF" "#98D83EFF"

Esos números son representaciones en hexadecimal de los colores que ves en la tabla.

scales::show_col(spec_color(parques_resumen$total))

Así como se puede cambiar el estilo de las columnas con column_spec(), se puede cambiar el estilo de las filas con row_spec(). Por ejemplo, se puede resaltar cada 2 líneas con este código:

parques_tabla %>% 
  row_spec(row = seq(2, nrow(parques_resumen), by = 2), background = "aquamarine") %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

row_spec() está cambiando el fondo (background) al color “aquamarine” (que es ese turquesa ●) a las filas indicadas por seq(2, nrow(paises_seleccion), by = 2). ¿Qué es eso? seq() genera una secuencia (de sequence) de números empezando en 2, terminando en la cantidad de filas de parques_resumen y saltando de a dos. En resumen:

seq(2, nrow(parques_resumen), by = 2)

## [1] 2 4 6

Como caso especial, se puede usar row = 0 en row_spec() para cambiar el formato del encabezado.

parques_tabla %>% 
  row_spec(row = 0, underline = TRUE) %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling()

Año	Región	No Residentes	Residentes	Total
2020	Cordoba	37	626	663
	Cuyo	55	1.104	1.160
	Patagonia	25.615	66.082	91.697
2021	Cordoba	8	958	966
	Cuyo	4	1.586	1.590
	Patagonia	113	77.502	77.615

Capítulo 8 Tablas

8.1 Tablas simples con kable

8.2 Supertablas con kableExtra

8.1 Tablas simples con `kable`