目录
使用 summary () 函数来获取描述性统计量 （连续&分类变量）
最大值 ， 最小值 ， 四分位数 和数值型变量的 均值 以及因子向量和逻辑向量的 频数 统计
summary(mtcars$mpg)
优势： 同时可以处理几个变量 的计算
myvars <- c("mpg","hp","wt")
summary(mtcars[myvars])
可以计算 非缺失值 的数量， 平均数 ， 标准差 ， 中位数 ， 截尾均值 ， 绝对中位差 ， 最小值 ， 最大值 ， 值域 ，偏度，峰度和平均值的标准误差
library(psych)
describe(mtcars$mpg)
describe(mtcars[myvars]) #也可以同时处理多个变量
Hmisc包中的describe()函数可返回变量和 观测的数量 、 缺失值 和 唯一值的数目 、Info(关于变量的连续性的统计量)， 平均值 、Gmd(基尼均差)， 分位数 ，以及五个 最大的值 和五个 最小的值 。
library(Hmisc)
Hmisc::describe(mtcars$mpg)
Hmisc::describe(mtcars[myvars]) #也可以同时处理多个变量
pastecs包中有一个名为stat.desc()的函数，它可以计算种类繁多的描述性统计量。
#install.packages("pastecs")
library(pastecs)
stat.desc(mtcars,basic =TRUE,desc = TRUE,norm = T,p=0.95)
（1）其中的data是一个数据框。
若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最大值、值域，还有总和。
（2）若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数。
（3）若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro–Wilk正态检验结果。这里使用了p值来计算平均数的置信区间（默认置信度为0.95）
其格式如下：
summaryBy(var1 + var2 + var3 ~ groupvar1 + groupvar2,data= ？, id=NULL,FUN= ？）
library(doBy)
summaryBy(mpg+wt+qsec~vs,data=mtcars,id=NULL,mean)
summaryBy(mpg+wt+qsec~vs+am,data=mtcars,id=NULL,mean)~前面为需要计算的连续型变量，~后面为需要分组的分组变量，FUN=需要计算的统计量
还可以通过自定义FUN的内容来扩充每次的计算统计量。如下，
fun1 <- function(x){
c(m=mean(x, na.rm=T), v=var(x, na.rm=T),q=quantile(x, na.rm=T), md = median(x, na.rm=T) ,l=length(x),sd = sd(x,na.rm = T))
}
summaryBy(mpg+wt+qsec~vs,data=mtcars,id=NULL,FUN=fun1)
aggregate(mtcars[myvars],by=list(am=mtcars$am),mean)
am mpg hp wt
1 0 17.14737 160.2632 3.768895
2 1 24.39231 126.8462 2.411000
参考链接内容
5.基本统计方法-分类变量的组间比较_分类变量统计方法-CSDN博客
临床资料基线表（Clinical Data Baseline Table）是一种常用于临床研究和流行病学研究中的数据表格。 它是研究的起点，通常在开始进行研究时收集和记录的数据。这些数据用于描述研究参与者在研究开始前的初始状态和特征，这个初始状态被称为“基线”。
基线表通常包含以下信息：
人口学特征： 参与者的年龄、性别、种族等基本特征；
临床特征： 包括参与者的疾病状态、症状和既往病史等；
生活方式和行为习惯： 如吸烟史、饮酒习惯、运动频率等；
生理测量值： 如身高、体重、血压、生化指标等；
疾病评估量表： 用于评估研究参与者的疾病严重程度和症状；
临床资料基线表的描述性统计方法
在绘制临床资料基线表时，可以使用不同的描述性统计方法来总结不同类型的变量。以下是针对常见变量类型的描述性统计推荐方法：
连续型变量： 连续型变量是指可以取无限个值的变量，如年龄、体重、血压等。 对于连续型变量，通常使用以下描述性统计：
- 平均值（Mean）： 反映变量的中心位置；
- 标准差（Standard Deviation）： 反映变量的离散程度；
- 中位数（Median）： 中间值，将数据分为两等份；
- 最小值（Minimum）和最大值（Maximum）： 描述数据的范围；
- 四分位数（Quartiles）： 分为四等份，有25%、50%、75%等。
分类型变量： 分类型变量是指只能取有限个离散值的变量，如性别、种族、病情等级等。 对于分类型变量，通常使用以下描述性统计：
- 计数（Count）： 各类别出现的次数。
- 百分比（Percentage）： 各类别在总样本中所占的比例。
- 众数（Mode）： 出现频率最高的类别。
有序型变量： 有序型变量是指有一定顺序或等级的变量，但差值不具有数值意义，如疼痛程度等级、教育水平等。 对于有序型变量，可以使用以下描述性统计：
- 中位数（Median）： 反映中间值，有序变量的特点是中位数有实际意义。
- 百分位数（Percentiles）： 反映数据在有序序列中的位置。
二分类变量： 二分类变量是一种特殊的分类型变量，只有两个类别，如是否患病、是否接受治疗等。对于二分类变量，可以使用以下描述性统计：
- 计数（Count）： 各类别出现的次数。
- 百分比（Percentage）： 各类别在总样本中所占的比例。
绘制临床资料基线表展示组间比较的p值时该如何选择合适的方法呢？
连续性变量且符合正态分布、方差齐性： 如果两组数据都是连续性变量，并且符合正态分布且方差齐性，可以选择使用 Student's t-test（独立样本t检验） 。如果有多组间比较，可以使用 方差分析（ANOVA） ，并结合 事后多重比较方法（如Tukey's HSD test） 。
连续性变量但不符合正态分布、方差齐性： 如果两组数据都是连续性变量，但不满足正态分布和方差齐性的要求，可以考虑使用非参数检验**，如 Mann-Whitney U检验（Wilcoxon秩和检验） 。对于多组间比较，可以使用 Kruskal-Wallis H检验 ，并结合适当的多重比较方法。
分类变量： 如果需要比较的是分类变量，如两组间的比例差异，可以使用 卡方检验（χ²检验） 。若分类变量有多个水平，可以使用 Fisher's精确检验 或 拟合优度检验 ，并结合多重比较方法。
多个连续性变量： 如果需要同时比较多个连续性变量，可以使用 多重回归分析 或 方差分析 。在这种情况下，可以绘制出适当的多个p值，或者使用 Bonferroni校正 来控制多重比较的错误率。
在展示p值时，通常会标明明确的检验方法和显著性水平（例如，p < 0.05），以表明组间差异是否具有统计学意义。另外，为了更全面地理解结果，也可以同时提供置信区间等统计信息。
基线表格示例:
实操：
R语言 tableon e包绘制临床资料基线表
示例： 使用梅奥诊所原发性胆汁性肝硬化数据集进行演示：
1.加载数据
## 加载梅奥诊所原发性胆汁性肝硬化数据
library(survival)
data(pbc)
## 检查变量
head(pbc)
2. 将分类变量转换为因子变量
## 将分类变量转换为因子变量
varsToFactor <- c("status", "trt", "ascites", "hepato", "spiders", "edema", "stage")
pbc[varsToFactor] <- lapply(pbc[varsToFactor], factor)03 创建变量列表
## 创建变量列表
dput(names(pbc))
vars <- c("time", "status", "age", "sex", "ascites", "hepato",
"spiders", "edema", "bili", "chol", "albumin",
"copper", "alk.phos", "ast", "trig", "platelet",
"protime", "stage")04 根据治疗组（trt）创建Table 1
## 根据治疗组（trt）创建Table 1
tableOne <- CreateTableOne(vars = vars, strata = c("trt"), data = pbc)
## 只需输入对象名称，将调用print.TableOne方法
tableOne
`CreateTableOne()`函数用于创建汇总表，用于比较不同组之间的基线特征。 它有多个参数，每个参数的含义和设置方法：
CreateTableOne( vars, strata, data, factorVars, includeNA = FALSE, test = TRUE, testApprox = chisq.test, argsApprox = list(correct = TRUE), testExact = fisher.test, argsExact = list(workspace = 2 * 10^5), testNormal = oneway.test, argsNormal = list(var.equal = TRUE), testNonNormal = kruskal.test, argsNonNormal = list(NULL), smd = TRUE, addOverall = FALSE )1. vars: 要汇总的变量，以字符向量的形式提供。 因子变量将被视为分类变量，数值变量将被视为连续变量。 如果为空，则使用数据集中的所有变量。
2. strata: 分层（分组）变量的名称，以字符向量的形式提供。 如果省略，则返回总体结果而不进行分层。
3. data: 存放变量的数据框。 所有变量（包括vars和strata中的变量）都必须在这个数据框中。
4. factorVars: 要被视为分类变量的数值变量，以字符向量的形式提供。 不包括因子变量，除非需要通过删除空的水平来重新设置它们的水平。如果省略，只有因子变量被视为分类变量。在vars参数中指定的变量也必须在factorVars参数中指定。
5. includeNA: 逻辑值，如果为TRUE，则将缺失值视为常规因子水平，而不是缺失值。 在汇总表中，缺失值将显示为分类变量的最后一个水平。仅对分类变量有效。
6. test: 逻辑值，如果为TRUE，并且存在多个组，则进行组间比较。
7. testApprox: 指定进行大样本近似检验的函数。 默认为chisq.test，不推荐在某些单元格具有小计数（少于5）的情况下使用。
8. argsApprox: 一个带有参数名称的列表，传递给testApprox函数。 默认值为list(correct = TRUE)，这对于chisq.test开启连续性校正。
9. testExact: 指定进行精确检验的函数。 默认为fisher.test。如果单元格具有大量数据，可能会由于内存限制而失败。在这种情况下，应该使用基于大样本近似的方法。
10. argsExact: 一个带有参数名称的列表，传递给testExact函数。 默认值为list(workspace = 2*10^5)，指定为fisher.test分配的内存空间。
11. testNormal: 指定进行基于正态假设的检验的函数。 默认为oneway.test，当只有两个组时，它等同于t检验。
12. argsNormal: 一个带有参数名称的列表，传递给testNormal函数。 默认值为list(var.equal = TRUE)，假定组间方差相等，用于执行普通的方差分析（ANOVA）。
13. testNonNormal: 指定执行非参数检验的函数。 默认为kruskal.test（Kruskal-Wallis秩和检验）。当只有两个组时，它等同于wilcox.test（Mann-Whitney U检验）。
14. argsNonNormal: 一个带有参数名称的列表，传递给testNonNormal函数。 默认值为list(NULL)，仅用作占位符。
15. smd: 逻辑值，如果为TRUE，并且存在多个组，则计算所有两两比较的标准化均值差（Standardized Mean Difference）。
16. addOverall: 逻辑值，只在提供strata时使用。如果为TRUE，则在汇总表中添加一个总体列。 标准化均值差和p值的计算仅基于分层列。
05 指定非正态变量
## 指定非正态变量将适当地显示变量，并显示非参数检验的p值。在exact参数中指定变量以获取精确的检验p值。cramVars可用于显示二级分类变量的两个水平。
print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
exact = c("status", "stage"), cramVars = "hepato", smd = TRUE)
06 详细总结
## 使用summary.TableOne方法进行详细总结
summary(tableOne)07 查看
## 只使用$操作符查看分类部分
tableOne$CatTable
summary(tableOne$CatTable)
## 只使用$操作符查看连续部分
tableOne$ContTable
summary(tableOne$ContTable)导出到excel和word
导出到excel
## 如果您的工作流程包括在撰写稿件时复制到Excel和Word中，您可能会受益于quote参数。这将引用所有内容，以免Excel搞乱了单元格。
# 方法1
tab1Mat <- print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
exact = c("status", "stage"), quote = TRUE)
write.csv(tab1Mat, file = "Result1_Table1.csv")
# 方法2
print(tableOne, formatOptions = list(big.mark = ","))
tab1Mat2 <- print(tableOne, showAllLevels = TRUE, quote = FALSE, noSpaces = TRUE, printToggle = FALSE)
write.csv(tab1Mat2, file = "Result2_Table1.csv")导出到word
## 如果您希望在Word中居中对齐值，请使用noSpaces选项。
print(tableOne, nonnormal = c("bili", "chol", "copper", "alk.phos", "trig"),
exact = c("status", "stage"), quote = TRUE, noSpaces = TRUE)