[R/Rmarkdown] Table을 꾸미는 7개의 패키지 소개와 튜토리얼

📚 R markdown

R markdown은 코드를 문서화하는데 아주 유용한 패키지이다. 

Python의 경우 Jupyter notebook 같은 IDE를 이용해 markdown을 간편하게 사용이 가능하다. 

물론  Jupyter notebook나 google colab으로 R을 사용할 수 있으나 R유저의 경우 익숙해져 버린 R studio(현 Posit)을 많이 사용할 것이다. 

 

R markdown의 가장 큰 장점은 역시 다양한 패키지들이다. 이들을 사용하여 table을 꾸미는 방법을 소개하겠다.

패키지는 모두 r markdown환경에서 구동하며  코드는 각 패키지의 tutorial이나 cookbook을 참고하였다.

 

 

---

 

1. R markdown Basic 

knitr::kable()

일단 R markdown은 만들어진 자료를 knitr package을 통해 하나로 엮어낸다. 

knitr::kable()함수로 깔끔하게 프린트할 수 있다. 

knitr::kable(
  mtcars[1:5, ]
)

rmarkdown::paged_table()

rmarkdown::paged_table() 를 활용해 많은 양의 데이터를 페이지로 나누어서 보기 편하게 바꾸어 준다. 

rmarkdown::paged_table(
  mtcars[1:5, ]
)

tibble::as_tibble

rmarkdown::paged_table() 를 활용해 ## 으로 표시된 테이블을 얻을 수 있다.

짧은 데이터를 간략하게 보고 싶을 때 사용한다.

tibble::as_tibble(
  mtcars[1:5, ]
)

 

2. DT package

- 공식 홈페이지 : https://rstudio.github.io/DT/

- data table의 약자로 table을 꾸미는 여러 함수를 담고 있다.

 

 

검색

가장 보편적인 기능은 데이터 검색 기능이다

library(DT)
datatable(mtcars, rownames = FALSE, filter="top", options = list(pageLength = 5, scrollX=T))

만약 3.6에 해당하는 값들을 찾고 싶다면 아래와 같이 검색해 준다

drat값이 3.6X인 두 row가 출력되었다

 

 

Cell 강조

df = as.data.frame(cbind(matrix(round(rnorm(50), 3), 10), sample(0:1, 10, TRUE)))
# create 19 breaks and 20 rgb color values ranging from white to red
brks <- quantile(df, probs = seq(.05, .95, .05), na.rm = TRUE)
clrs <- round(seq(255, 40, length.out = length(brks) + 1), 0) %>%
  {paste0("rgb(255,", ., ",", ., ")")}
datatable(df) %>% formatStyle(names(df), backgroundColor = styleInterval(brks, clrs))

 

랜덤 하게 생성한 데이터에서 음의 값은 틴셀로, 양의 값은 값이 클수록 색이 진해지게 나타내었다.

 

 

Cell값 나타내기 

# using styleColorBar
datatable(df) %>% formatStyle(names(df),
  background = styleColorBar(range(df), 'lightblue'),
  backgroundSize = '98% 88%',
  backgroundRepeat = 'no-repeat',
  backgroundPosition = 'center')

각 값들의 중앙값을 기준으로 상대적인 분포 크기를 나타낸다. 

 

 

여러 기능 섞어 보기 

datatable(iris) %>% 
  formatStyle('Sepal.Length', fontWeight = styleInterval(5, c('normal', 'bold'))) %>%
  formatStyle(
    'Sepal.Width',
    color = styleInterval(c(3.4, 3.8), c('white', 'blue', 'red')),
    backgroundColor = styleInterval(3.4, c('gray', 'yellow'))
  ) %>%
  formatStyle(
    'Petal.Length',
    background = styleColorBar(iris$Petal.Length, 'steelblue'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  ) %>%
  formatStyle(
    'Species',
    transform = 'rotateX(45deg) rotateY(20deg) rotateZ(30deg)',
    backgroundColor = styleEqual(
      unique(iris$Species), c('lightblue', 'lightgreen', 'lightpink')
    )
  )

짜잔!.. 은 아니고 일단 여러 기능을 보여주기 위해서 이상하게 꾸며놓았지만..

formatstyle을 통해 각 column을 여러 스타일로 꾸밀 수 있다.

 

 

3. reactable package

- 각 테이블에 여러 그림을 넣고 꾸미고 싶을 때 사용할 수 있다.

- 이와 비슷한 reactablefmtr 패키지도 많이 쓰이고 있다

 

 

아이콘으로 표현하기 

library(reactable)

data <- MASS::Cars93[1:5, c("Manufacturer", "Model", "Type", "AirBags", "Price")]

reactable(data, columns = list(
  Model = colDef(html = TRUE, cell = JS('
    function(cellInfo) {
      // Render as a link
      const url = `https://wikipedia.org/wiki/${cellInfo.row["Manufacturer"]}_${cellInfo.value}`
      return `<a href="${url}" target="_blank">${cellInfo.value}</a>`
    }
  ')),
  AirBags = colDef(cell = JS("
    function(cellInfo) {
      // Render as an X mark or check mark
      return cellInfo.value === 'None' ? '\u274c No' : '\u2714\ufe0f Yes'
    }
  ")),
  Price = colDef(cell = JS("
    function(cellInfo) {
      // Render as currency
      return '$' + (cellInfo.value * 1000).toLocaleString()
    }
  "))
))

각 column을 눌러서 정렬도 가능하다 

 

 

Cell 안에 그래프 그리기  

data <- chickwts %>%
  group_by(feed) %>%
  summarise(weight = list(weight)) %>%
  mutate(boxplot = NA, sparkline = NA)

reactable(data, columns = list(
  weight = colDef(cell = function(values) {
    sparkline(values, type = "bar", chartRangeMin = 0, chartRangeMax = max(chickwts$weight))
  }),
  boxplot = colDef(cell = function(value, index) {
    sparkline(data$weight[[index]], type = "box")
  }),
  sparkline = colDef(cell = function(value, index) {
    sparkline(data$weight[[index]])
  })
))

 

 

heatmap 그리기 

dimnames <- list(start(nottem)[1]:end(nottem)[1], month.abb)
temps <- matrix(nottem, ncol = 12, byrow = TRUE, dimnames = dimnames)

# ColorBrewer-inspired 3-color scale
BuYlRd <- function(x) rgb(colorRamp(c("#7fb7d7", "#ffffbf", "#fc8d59"))(x), maxColorValue = 255)

reactable(
  temps,
  defaultColDef = colDef(
    style = function(value) {
      if (!is.numeric(value)) return()
      normalized <- (value - min(nottem)) / (max(nottem) - min(nottem))
      color <- BuYlRd(normalized)
      list(background = color)
    },
    format = colFormat(digits = 1),
    minWidth = 50
  ),
  columns = list(
    .rownames = colDef(name = "Year", sortable = TRUE, align = "left")
  ),
  bordered = TRUE
)

 

 

4. gtExtras package

- Cell을 꾸미는 데에 특화된 패키지이다

library(gtExtras)

mtcars %>%
  head() %>%
  dplyr::select(cyl, mpg) %>%
  dplyr::mutate(mpg_pct_max = round(mpg/max(mpg) * 100, digits = 2),
                mpg_scaled = mpg/max(mpg) * 100) %>%
  dplyr::mutate(mpg_unscaled = mpg) %>%
  gt::gt() %>%
  gt_plt_bar_pct(column = mpg_scaled, scaled = TRUE) %>%
  gt_plt_bar_pct(column = mpg_unscaled, scaled = FALSE, fill = "blue", background = "lightblue") %>%
  gt::cols_align("center", contains("scale")) %>%
  gt::cols_width(4 ~ px(125),
             5 ~ px(125))

 

team_df <- readRDS(url("https://github.com/nflverse/nflfastR-data/raw/master/teams_colors_logos.rds"))

team_df %>%
  dplyr::select(team_nick, team_abbr, team_conf, team_division, team_wordmark) %>%
  head(8) %>%
  gt::gt(groupname_col = "team_conf") %>%
  gt_merge_stack(col1 = team_nick, col2 = team_division) %>%
  gt_img_rows(team_wordmark)

 

 

5. formattable package

- 이 패키지의 장점은 다른 패키지보다 정형화된, 부드러운 시각화를 제공한다.

- 다른 패키지들은 호환성이 좋지만 간편하게 쓰고 싶다면 이 패키지를 추천한다.

library(formattable)

products <- data.frame(id = 1:5, 
  price = c(10, 15, 12, 8, 9),
  rating = c(5, 4, 4, 3, 4),
  market_share = percent(c(0.1, 0.12, 0.05, 0.03, 0.14)),
  revenue = accounting(c(55000, 36400, 12000, -25000, 98100)),
  profit = accounting(c(25300, 11500, -8200, -46000, 65000)))
products

sign_formatter <- formatter("span", 
  style = x ~ style(color = ifelse(x > 0, "green", 
    ifelse(x < 0, "red", "black"))))
sign_formatter(c(-1, 0, 1))

formattable(products, list(
  price = color_tile("transparent", "lightpink"),
  rating = color_bar("lightgreen"),
  market_share = color_bar("lightblue"),
  revenue = sign_formatter,
  profit = sign_formatter))

- 그러나 단점으로는 numeric값에만 기본 적용되고, 나머지 character나 Logic값은 추가적인 변형이 필요하다 

Example <- data.frame(
  ID     = 1:6, 
  Gender = c("F", "M", "M", "M", "F", "M"),
  Type   = c("A", "A", "B", "B", "C", "C"),
  Value  = c( 10,   8,   4,  12, 10,   6), 
  Log    = c(  F,   T,   T,   T,  T,   F)
)


Example %>% formattable(
  list(
    ID    = color_tile("transparent", "#FFCCCC"),
    Value = color_bar("lightblue")
    )
  ) %>% 
  as.datatable()

이제 우리는 category로 나누어진 gender, type, logic데이터에도 이와 같은 변형을 추가하려고 한다.

Example %>% formattable(
  list(
    ID    = color_tile("transparent", "#FFCCCC"),
    Value = color_bar("lightblue"),
    Log   = color_bar_factor
    )
  ) %>% 
  as.datatable()

하지만 이렇게 Log값에 색을 적용할 순 없다. 아래와 같은 수정이 필요하다 

# https://github.com/renkun-ken/formattable/issues/108
color_bar_factor <- formatter("span",
                             style = function(x) style(
                               display = "block",
                               color = "white",
                               border.radius = "4px",
                               background = c("red","green")[factor(as.character(x))]))
                               
 Example %>% formattable(
  list(
    ID    = color_tile("transparent", "#FFCCCC"),
    Value = color_bar("lightblue"),
    Log   = color_bar_factor,
    Gender = color_bar_factor
    )
  ) %>% 
  as.datatable()

이렇게 추가적인 변형이 필요하지만 개인적으로 reactable  보다 코드가 깔끔해서 추천한다

 

 

6. flextable package

- 이 친구도 다양한 기능을 제공하는데 거의 위 패키지들과 중복이 많다 

library(flextable)

flextable( head(iris, n = 10 )) %>% 
  mk_par(j = 1,
          value = as_paragraph(
            linerange(value = Sepal.Length, max = max(Sepal.Length), height = .15)
            ),
  part = "body")

 

 

7. rhandsontable package

- 다른 패키지와 다르게 table을 print 한 후에도 수정이 가능하게 해주는 패키지이다

- 나중에 웹으로 업로드하거나, 대시보드 서비스를 만들 때 사용하면 유용할 듯하다

 

library(rhandsontable)

DF = data.frame(integer = 1:10,
                   numeric = rnorm(10),
                   logical = rep(TRUE, 10), 
                   character = LETTERS[1:10],
                   factor = factor(letters[1:10], levels = letters[10:1], 
                                   ordered = TRUE),
                   factor_allow = factor(letters[1:10], levels = letters[10:1], 
                                         ordered = TRUE),
                   date = seq(from = Sys.Date(), by = "days", length.out = 10),
                   stringsAsFactors = FALSE)

rhandsontable(DF, width = 600, height = 300) %>%
  hot_col("factor_allow", allowInvalid = TRUE)

위의 테이블에서 각 cell을 클릭하면 내용 수정이 가능하다 

이 패키지도 cell안에 그림을 그려 넣을 수 있다

DF = data.frame(val = 1:10, bool = TRUE, big = LETTERS[1:10],
                small = letters[1:10],
                dt = seq(from = Sys.Date(), by = "days", length.out = 10),
                stringsAsFactors = FALSE)

DF$chart = c(sapply(1:5,
                    function(x) jsonlite::toJSON(list(values=rnorm(10),
                                                      options = list(type = "bar")))),
             sapply(1:5,
                    function(x) jsonlite::toJSON(list(values=rnorm(10),
                                                      options = list(type = "line")))))

rhandsontable(DF, rowHeaders = NULL, width = 550, height = 300) %>%
  hot_col("chart", renderer = htmlwidgets::JS("renderSparkline"))

 

 

🟦 추가적으로 읽어볼 글

https://towardsdatascience.com/ten-awesome-r-markdown-tricks-56ef6d41098

https://towardsdatascience.com/top-7-packages-for-making-beautiful-tables-in-r-7683d054e541

https://rfortherestofus.com/2019/11/how-to-make-beautiful-tables-in-r/

 

 

🟦 그래서 이 패키지가 왜 필요한가?

단순한 이유는 이쁘니까.. 써보고 싶어서 찾아본 것이고

차후를 생각해서 만약 웹에 어떤 서비스를 만들 때 잘 사용할 수 있을 것 같다

 

그러나 패키지를 넘어서 더 다양하게 꾸미기 위해서는 css나 html에 대한 이해가 조금 필요할 것 같기도 하다..

 

 

 

 

 

 

 

 

 

---