R语言自动化整理医学基线统计表，需要几步？（二）
两步还嫌多，那就一步，R语言自动化整理医学基线统计表，一步之遥
划重点，一步法：
1：descrTable
子曰，‘技艺的提升，离不开一群优秀的甲方。’
感谢各位瓜客的热烈反响，看来平日里各位都有故事，能给大家节省时间小编感到荣幸的不得了。主题续上期，大方向不再赘述，错过的筒子们请翻阅上期分解。
所谓技多不压身，无论各位在哪个领域搬砖，无论是地板砖还是墙砖，搬砖之余拥有一项可以用编程快速解决问题的技能，有些时候还是可以小小的沾沾自喜一下的。
但是，哈哈
，又是但是：
子曰，人怕出名猪怕壮，各位会这种高效绝招的事情甲方势必会知道，于是为了让各位不那么闲，开始有了新的要求，&*#￥%%##%……&%##￥，整理如下：
1，均数和标准差之间，只要±，不要其他，一票否决制
2，结果表格里样本量N去哪里了，去哪里了，去哪里了，灵魂三连问
3，既然表格整理对你这么轻松，甲方拷贝给了你尘封在U盘多年的文件夹，也就是十来个课题的数据，你帮着先跑一下吧，优秀如你，加油
4，......
通常上期的两步法对于一般人已经足够用了， 已然大幅节省了重复劳动的时间。但是如果批量化大规模稀里哗啦操作的话，还是费一番周折，因为上次的两步法中数据类型需要人为指定（包括正态与否，是否是分类变量，是否要用fisher exact等）。面对大规模稀里哗啦的一堆数据的时候，前期的判断准备工作还是很浪费时间的。如此，进入今天的主题，如何用更少的步骤，处理比上期要求更精细的数据，并且一步整理出医学基线统计表！
正文开始：
R语言中有很多的优秀的大神已经开发了一些Package，使用者只需要直接调用就好了。今天要一起学习的是descrTable这个function，名字依然直白
用一个例子看一下（所用数据同上期）：
输入1：
# 初次使用请先安装install.packages('compareGroups')# 安装后调用# 查看一下数据集head(dt,10) # 数据集是小编随机编造的虚拟数据，可能与实际情况不符
输出1：
# A tibble: 10 x 9性别 年龄 是否饮酒 病理类型 分化程度 ALT AST 检测 Group<chr> <dbl> <chr> <chr> <chr> <dbl> <dbl> <dbl> <chr>1 女 44 是 病理类型 I型 22 21 8.29 实验组2 女 52 是 病理类型 I型 24 24 4.7 实验组3 男 55 否 病理类型 I型 30 32.3 6.8 实验组4 男 50 否 病理类型 I型 20 16 4.16 实验组5 女 64 是 病理类型 I型 13 8 10 实验组6 女 24 是 病理类型 I型 14.6 10.8 15 实验组7 男 66 否 病理类型 I型 51.6 22.3 8.32 实验组8 女 43 是 病理类型 I型 21 25 10.2 实验组9 女 52 是 病理类型 I型 16 18 10.2 实验组10 女 44 是 病理类型 I型 19.9 13.2 11.9 实验组
输入2：
library(compareGroups)~.,data = dt,= 2,method = 4，= T)
输出2：
______________________________________________________________对照组 实验组 p.overallN=101 N=94¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯性别: 0.195男 64 (63.4%) 50 (53.2%)女 37 (36.6%) 44 (46.8%)年龄 55.0 [50.0;62.0] 56.0 [48.0;62.0] 0.787是否饮酒: 0.322否 49 (48.5%) 38 (40.4%)是 52 (51.5%) 56 (59.6%)病理类型: 病理类型 101 (100%) 94 (100%) .分化程度: 0.228III型 4 (3.96%) 7 (7.45%)II型 14 (13.9%) 7 (7.45%)I型 83 (82.2%) 80 (85.1%)ALT 19.0 [16.0;23.0] 21.0 [18.0;24.4] 0.136AST 15.0 [12.0;20.0] 20.0 [14.0;25.0] 0.003检测 40.2 [23.0;52.8] 26.7 [15.2;48.4] 0.009¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
函数常用参数罗列：
descrTable(formula, # 公式，左边为分组，右边为变量data, # 数据集subset, # 按条件筛选子集selec = NA, # 按条件筛选子集method = 4, # 根据数据实际情况，自动选择统计方法alpha = 0.05, # 显著性水平Q1 = 0.25, Q3 = 0.75, # 默认输出p25和p75的分位数结果show.n = T, # 显示样本量show.ci = F, # 显示置信区间，默认是Fconf.level = 0.95, # 置信区间范围type = 2, # 分类变量会显示频数和百分比show.p.overall = TRUE, # 显示P值digits.p = 3, # p值小数点位数sd.type = 2, # 1位mean（sd），2位mean±sd)
上述例子展示的比较常规的情况，由于这个函数的参数众多（真的很多超级多），小编摘选出来一些日常足够用的，并把对应的功能做了注解，希望大家喜欢。还是那句话，功能远不止于此，如果各位有兴趣可以查看整个package的帮助文档，https://cran.r-project.org/package=compareGroups
如需文中数据集练习，请私信
期待与各位一起进步
以上内容供学习参考，若转载请注明出处。