Introdução à Ciência de Dados no R

Aula 13 - Construindo Tabelas

Aula 13

Antonio Vinícius Barbosa

25-11-2023


Comunicação efetiva de dados

Comunicação efetiva de dados

  • Na maioria dos relatórios, a comunicação dos resultados ocorre por meio de uma combinação de visualização de dados e tabelas
  • No R, há diversas maneiras de criar tabelas que comuniquem seus resultados com eficiência

Objetivo

Apresentar o gt, um pacote flexível para a construção de tabelas

O pacote gt

  • O pacote gt (grammar of tables) permite a construção de tabelas através de ajustes nos seus elementos.
  • Basicamente, o pacote possibilita a transformação de um data frame em tabelas elaboradas

Alguns exemplos

As partes de uma tabela

O gt estrutura a tabela em diferentes partes. Estas incluem table header, stub head, column labels, a table body e o table footer.

Instalação do gt 

# Instalacao do CRAN
install.packages("gt")

# Instalacao do repositorio GitHub
devtools::install_github("rstudio/gt")

# Carregar
library(gt)

Dados

Para contruir as tabelas com gt, utilizaremos os dados de produção agrícola dos países

# Carregar url e ler dados
url <- 'https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-09-01/key_crop_yields.csv'

prod_agricola <- readr::read_csv(url)

# Visualizar dados
prod_agricola
## # A tibble: 13,075 × 14
##    Entity      Code   Year `Wheat (tonnes per hectare)` Rice (tonnes per hecta…¹
##    <chr>       <chr> <dbl>                        <dbl>                    <dbl>
##  1 Afghanistan AFG    1961                        1.02                      1.52
##  2 Afghanistan AFG    1962                        0.974                     1.52
##  3 Afghanistan AFG    1963                        0.832                     1.52
##  4 Afghanistan AFG    1964                        0.951                     1.73
##  5 Afghanistan AFG    1965                        0.972                     1.73
##  6 Afghanistan AFG    1966                        0.867                     1.52
##  7 Afghanistan AFG    1967                        1.12                      1.92
##  8 Afghanistan AFG    1968                        1.16                      1.95
##  9 Afghanistan AFG    1969                        1.19                      1.98
## 10 Afghanistan AFG    1970                        0.956                     1.81
## # ℹ 13,065 more rows
## # ℹ abbreviated name: ¹​`Rice (tonnes per hectare)`
## # ℹ 9 more variables: `Maize (tonnes per hectare)` <dbl>,
## #   `Soybeans (tonnes per hectare)` <dbl>,
## #   `Potatoes (tonnes per hectare)` <dbl>, `Beans (tonnes per hectare)` <dbl>,
## #   `Peas (tonnes per hectare)` <dbl>, `Cassava (tonnes per hectare)` <dbl>,
## #   `Barley (tonnes per hectare)` <dbl>, …

Dados

Manipulando os dados:

# Carregar pacote
library(tidyverse)

# Manipular dados
prod_agr_data <- prod_agricola |>  
  janitor::clean_names() |>  
  rename_with(
    ~str_remove(., "_tonnes_per_hectare")
    ) |>  
  select(
    entity:beans, -code
    ) |>  
  pivot_longer(
    cols = wheat:beans, 
    names_to = "crop", 
    values_to = "yield"
    ) |>  
  rename(country = entity) |> 
  filter(
    country %in% c("China", "United States", "Brazil"),
    year %in% 2016:2018,
    crop %in% c("maize", "soybeans")
    ) |> 
  mutate(crop = case_when(
    crop == "maize" ~ "Milho",
    crop == "soybeans" ~ "Soja"
    )
  ) |> 
  pivot_wider(
    names_from = year, 
    values_from = yield
    )

Dados

Como resultado, obtemos:

prod_agr_data
# A tibble: 6 × 5
  country       crop  `2016` `2017` `2018`
  <chr>         <chr>  <dbl>  <dbl>  <dbl>
1 Brazil        Milho   4.29   5.62   5.10
2 Brazil        Soja    2.90   3.38   3.39
3 China         Milho   5.97   6.11   6.10
4 China         Soja    1.80   1.79   1.78
5 United States Milho  11.7   11.9   11.9 
6 United States Soja    3.49   3.31   3.47

gt básico

Para gerar uma tabela básica, fazemos:

prod_agr_data |> 
  gt()
country crop 2016 2017 2018
Brazil Milho 4.2877 5.6183 5.1044
Brazil Soja 2.9049 3.3785 3.3903
China Milho 5.9667 6.1103 6.1042
China Soja 1.8030 1.7862 1.7800
United States Milho 11.7433 11.8754 11.8639
United States Soja 3.4936 3.3133 3.4681

Modificando o título

prod_agr_data |> 
  gt() |> 
  tab_header(title = md("**Produção agrícola dos países**"),
             subtitle = md("Total de produção em toneladas por hectare"))
Produção agrícola dos países
Total da produção em toneladas por hectare
country crop 2016 2017 2018
Brazil Milho 4.2877 5.6183 5.1044
Brazil Soja 2.9049 3.3785 3.3903
China Milho 5.9667 6.1103 6.1042
China Soja 1.8030 1.7862 1.7800
United States Milho 11.7433 11.8754 11.8639
United States Soja 3.4936 3.3133 3.4681

Adicionando a fonte dos dados

prod_agr_data |> 
  gt() |> 
  tab_header(title = md("**Produção agrícola dos países**"),
             subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)"))
Produção agrícola dos países
Total da produção em toneladas por hectare
country crop 2016 2017 2018
Brazil Milho 4.2877 5.6183 5.1044
Brazil Soja 2.9049 3.3785 3.3903
China Milho 5.9667 6.1103 6.1042
China Soja 1.8030 1.7862 1.7800
United States Milho 11.7433 11.8754 11.8639
United States Soja 3.4936 3.3133 3.4681
Fonte: U.S. Department of Agriculture

Modificando o nome das colunas

prod_agr_data |> 
  gt() |> 
  tab_header(title = md("**Produção agrícola dos países**"),
             subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  cols_label(country = "País", crop = "Produto")
Produção agrícola dos países
Total da produção em toneladas por hectare
País Produto 2016 2017 2018
Brazil Milho 4.2877 5.6183 5.1044
Brazil Soja 2.9049 3.3785 3.3903
China Milho 5.9667 6.1103 6.1042
China Soja 1.8030 1.7862 1.7800
United States Milho 11.7433 11.8754 11.8639
United States Soja 3.4936 3.3133 3.4681
Fonte: U.S. Department of Agriculture

Apresentando por grupos

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)"))
Produção agrícola dos países
Total de produção em toneladas por hectare
2016 2017 2018
Brazil
Milho 4.2877 5.6183 5.1044
Soja 2.9049 3.3785 3.3903
China
Milho 5.9667 6.1103 6.1042
Soja 1.8030 1.7862 1.7800
United States
Milho 11.7433 11.8754 11.8639
Soja 3.4936 3.3133 3.4681
Fonte: U.S. Department of Agriculture

Agrupando colunas

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  )
Produção agrícola dos países
Total de produção em toneladas por hectare
Ano
2016 2017 2018
Brazil
Milho 4.2877 5.6183 5.1044
Soja 2.9049 3.3785 3.3903
China
Milho 5.9667 6.1103 6.1042
Soja 1.8030 1.7862 1.7800
United States
Milho 11.7433 11.8754 11.8639
Soja 3.4936 3.3133 3.4681
Fonte: U.S. Department of Agriculture

Adicionando footnotes 

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  ) |> 
   tab_footnote(
    footnote = "Quantidades baseadas em relatórios oficiais.",
    locations = cells_title(groups = "subtitle")
  ) |> 
   tab_footnote(
    footnote = "Dados projetados",
    locations = cells_row_groups(groups = c("China"))
  )
Produção agrícola dos países
Total de produção em toneladas por hectare1
Ano
2016 2017 2018
Brazil
Milho 4.2877 5.6183 5.1044
Soja 2.9049 3.3785 3.3903
China2
Milho 5.9667 6.1103 6.1042
Soja 1.8030 1.7862 1.7800
United States
Milho 11.7433 11.8754 11.8639
Soja 3.4936 3.3133 3.4681
Fonte: U.S. Department of Agriculture
1 Quantidades baseadas em relatórios oficiais.
2 Dados projetados

Formatando elementos das células

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  ) |> 
   tab_footnote(
    footnote = "Quantidades baseadas em relatórios oficiais.",
    locations = cells_title(groups = "subtitle")
  ) |> 
  fmt_number(decimals = 2)
Produção agrícola dos países
Total de produção em toneladas por hectare1
Ano
2016 2017 2018
Brazil
Milho 4.29 5.62 5.10
Soja 2.90 3.38 3.39
China
Milho 5.97 6.11 6.10
Soja 1.80 1.79 1.78
United States
Milho 11.74 11.88 11.86
Soja 3.49 3.31 3.47
Fonte: U.S. Department of Agriculture
1 Quantidades baseadas em relatórios oficiais.

Ajustando a aparência

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  ) |> 
   tab_footnote(
    footnote = "Quantidades baseadas em relatórios oficiais.",
    locations = cells_title(groups = "subtitle")
  ) |> 
  fmt_number(decimals = 2) |> 
  tab_options(
    heading.subtitle.font.size = 18,
    heading.background.color = "#C1EEFF",
    footnotes.font.size = 18,
    source_notes.font.size = 18,
    heading.align = "left",
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black"
  )
Produção agrícola dos países
Total de produção em toneladas por hectare1
Ano
2016 2017 2018
Brazil
Milho 4.29 5.62 5.10
Soja 2.90 3.38 3.39
China
Milho 5.97 6.11 6.10
Soja 1.80 1.79 1.78
United States
Milho 11.74 11.88 11.86
Soja 3.49 3.31 3.47
Fonte: U.S. Department of Agriculture
1 Quantidades baseadas em relatórios oficiais.

Alterando a fonte

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  ) |> 
   tab_footnote(
    footnote = "Quantidades baseadas em relatórios oficiais.",
    locations = cells_title(groups = "subtitle")
  ) |> 
  tab_options(
    heading.subtitle.font.size = 18,
    heading.background.color = "#C1EEFF",
    footnotes.font.size = 18,
    source_notes.font.size = 18,
    heading.align = "left",
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    table.font.size = px(30),
  ) |> 
  fmt_number(decimals = 2) |> 
   opt_table_font(
    font = list(
      google_font(name = "Abel")
    )
  )
Produção agrícola dos países
Total de produção em toneladas por hectare1
Ano
2016 2017 2018
Brazil
Milho 4.29 5.62 5.10
Soja 2.90 3.38 3.39
China
Milho 5.97 6.11 6.10
Soja 1.80 1.79 1.78
United States
Milho 11.74 11.88 11.86
Soja 3.49 3.31 3.47
Fonte: U.S. Department of Agriculture
1 Quantidades baseadas em relatórios oficiais.

Alterando as cores das células

prod_agr_data |> 
  group_by(country) |> 
  gt(rowname_col = "crop") |> 
  tab_header(
    title = md("**Produção agrícola dos países**"),
    subtitle = md("Total de produção em toneladas por hectare")) |> 
  tab_source_note(md("Fonte: [U.S. Department of Agriculture](https://www.usda.gov/)")) |> 
  tab_spanner(
    label = "Ano",
    columns = `2016`:`2018`
  ) |> 
   tab_footnote(
    footnote = "Quantidades baseadas em relatórios oficiais.",
    locations = cells_title(groups = "subtitle")
  ) |> 
  tab_options(
    heading.subtitle.font.size = 18,
    heading.background.color = "#C1EEFF",
    footnotes.font.size = 18,
    source_notes.font.size = 18,
    heading.align = "left",
    table.border.top.color = "black",
    table.border.bottom.color = "black",
    column_labels.border.bottom.color = "black",
    table.font.size = px(30),
  ) |> 
  fmt_number(decimals = 2) |> 
   opt_table_font(
    font = list(
      google_font(name = "Abel")
    )
  ) |> 
  data_color(
    method = "numeric",
    palette = c("#A0D2DB", "#424874")
    )
Produção agrícola dos países
Total de produção em toneladas por hectare1
Ano
2016 2017 2018
Brazil
Milho 4.29 5.62 5.10
Soja 2.90 3.38 3.39
China
Milho 5.97 6.11 6.10
Soja 1.80 1.79 1.78
United States
Milho 11.74 11.88 11.86
Soja 3.49 3.31 3.47
Fonte: U.S. Department of Agriculture
1 Quantidades baseadas em relatórios oficiais.

Quizz #1

Agora é a sua vez de gerar uma tabela com gt

  1. Utilizar a base disponível em dados::dados_gapminder
  2. Filtrar para os anos de 1952, 1977 e 2007
  3. Apresentar uma tabela agrupada por continente e mostrar a evolução das variáveis. Os anos são apresentados nas linhas.
  4. Adicionar um título e um subtítulo para o tabela, além da fonte dos dados.
  5. Através da função fmt_currency, adicionar o cifrão ($) para a variável do pib per capita. Além disso, utilizar apenas 2 casas decimais para essa variável.
  6. Apresentar as informações por grupos de continentes.
  7. Mudar o nome das variáveis.
  8. Alterar a fonte e demais aspectos visuais.
20:00

Referências

Materias de referência para o gt

Outros pacotes para construção de tabelas

ICDR