gtsummary 2.3.0版本发布:统计表格功能全面升级
gtsummary是一个强大的R语言包,专门用于创建美观、专业的统计表格。它能够将复杂的统计结果转化为清晰易读的表格形式,广泛应用于医学研究、社会科学等领域的数据分析工作。最新发布的2.3.0版本带来了一系列令人兴奋的新功能和改进,显著提升了表格处理的灵活性和用户体验。
表格分割与合并功能增强
新版本引入了tbl_split_by_rows()和tbl_split_by_columns()两个函数,为用户提供了更灵活的表格分割能力。这些函数允许用户将表格按行或按列进行分割,特别适合处理大型表格或需要分部分展示的复杂数据。
在表格合并方面,tbl_merge()和tbl_stack()函数新增了tbl_ids参数,使得用户可以更清晰地标识和跟踪合并前的原始表格。这一改进在使用gather_ard()函数时尤为有用,因为它会返回一个命名列表,其中名称就是用户指定的表格ID。
统计计算与展示优化
2.3.0版本在统计计算方面做了多项改进:
-
tbl_summary()函数现在允许用户通过percent参数直接指定或覆盖分母,既可以是整数也可以是数据框,这为百分比计算提供了更大的灵活性。 -
新增的
add_difference_row()函数与现有的add_difference()功能类似,但差异值会显示在汇总统计下方的行中,这种展示方式可能更适合某些特定的分析需求。 -
tbl_regression()函数现在支持多组件模型,如多项模型和混合效应模型,这得益于与{broom.helpers}包的深度整合。
样式与标签控制增强
样式控制函数style_*()和label_style_*()新增了na参数,允许用户指定如何处理NA值的显示。这一改进使得表格在面对缺失数据时能够提供更一致的展示效果。
tbl_stack()函数新增了attr_order参数,用户可以指定在堆叠表格时各个属性的优先级顺序。例如,设置attr_order=2将使用第二个表格的标题样式。
错误修复与稳定性提升
2.3.0版本修复了多个影响用户体验的问题:
-
修正了
tbl_svysummary()在处理by列缺失值时的行为。 -
解决了
tbl_hierarchical()中总体行标签被错误用作变量标签的问题。 -
修复了
sort_hierarchical()和filter_hierarchical()在处理非分层表格时的行为。 -
改进了
gather_ard()函数,现在能够正确返回tbl_regression()和tbl_uvregression()的所有ARD结果,包括后续add_*()函数添加的内容。
文档与主题系统完善
新版本增加了关于modify_*()函数的详细文档文章,帮助用户更好地理解和使用这些强大的表格修改功能。主题系统也新增了多个元素,如tbl_hierarchical_count-fn:addnl-fn-to-run等,为用户提供了更细致的表格样式控制选项。
总结
gtsummary 2.3.0版本通过新增功能、改进现有功能和修复问题,显著提升了统计表格创建的灵活性和易用性。无论是基础的描述性统计表格,还是复杂的回归分析结果展示,新版本都提供了更强大、更可靠的工具支持。这些改进使得gtsummary在数据分析和学术写作中能够发挥更大的作用,帮助研究人员更高效地呈现他们的分析结果。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0131- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00