MCP HubMCP Hub
Retour aux compétences

generate-statistical-tables

pjt222
Mis à jour Yesterday
2 vues
17
2
17
Voir sur GitHub
Métaworddesign

À propos

Cette compétence génère des tableaux statistiques prêts à publication à partir des résultats d'analyse R en utilisant gt, kableExtra ou flextable. Elle crée des statistiques descriptives, des sorties de régression, des tableaux ANOVA, des matrices de corrélation et des tableaux formatés selon les normes APA. Utilisez-la lors de la préparation de tableaux pour des articles académiques, des rapports ou des documents Quarto/R Markdown.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/generate-statistical-tables

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

統計表之生

為報告與論文製備刊級統計表。

用時

  • 製描述統計表
  • 格式回歸或 ANOVA 輸出
  • 建相關矩陣
  • 學術論文 APA 式表
  • 為 Quarto/R Markdown 文檔生表

  • 必要:統計分析結果(模型對象、摘要資料)
  • 必要:輸出格式(HTML、PDF、Word)
  • 可選:樣式指南(APA、期刊特定)
  • 可選:表編號方案

第一步:擇表包

PackageBest forFormats
gtHTML, general-purposeHTML, PDF, Word
kableExtraLaTeX/PDF documentsPDF, HTML
flextableWord documentsWord, PDF, HTML
gtsummaryClinical/statistical summariesAll via gt/flextable

得: 表包依輸出格式與用例而擇。所擇包已裝可載。

敗則: 若所需包未裝,行 install.packages("gt")(或合適包)。gtsummarygtgtsummary 皆須裝。

第二步:描述統計表

library(gt)

descriptives <- data |>
  group_by(group) |>
  summarise(
    n = n(),
    M = mean(score, na.rm = TRUE),
    SD = sd(score, na.rm = TRUE),
    Min = min(score, na.rm = TRUE),
    Max = max(score, na.rm = TRUE)
  )

gt(descriptives) |>
  tab_header(
    title = "Table 1",
    subtitle = "Descriptive Statistics by Group"
  ) |>
  fmt_number(columns = c(M, SD), decimals = 2) |>
  fmt_number(columns = c(Min, Max), decimals = 1) |>
  cols_label(
    group = "Group",
    n = md("*n*"),
    M = md("*M*"),
    SD = md("*SD*")
  )

得: gt 表對象格式化,均值、SD、計數依類分組。列頭用正統計記號(斜體 MSDn)。

敗則:group_by() 生非預期,驗分組變量存且具預期水準。若 fmt_number() 誤,確目標列為數值。

第三步:回歸結果表

model <- lm(outcome ~ predictor1 + predictor2 + predictor3, data = data)

library(gtsummary)

tbl_regression(model) |>
  bold_p() |>
  add_glance_source_note(
    include = c(r.squared, adj.r.squared, nobs)
  ) |>
  modify_header(label = "**Predictor**") |>
  modify_caption("Table 2: Regression Results")

得: gtsummary 回歸表,p 值粗體、模型擬合統計(R 方、N)於源注、描述題詞。

敗則:tbl_regression() 敗,驗入為模型對象(如 lmglm)。若 add_glance_source_note() 誤,察 broom 可整理模型:broom::glance(model)

第四步:相關矩陣

library(gt)

cor_matrix <- cor(data[, c("var1", "var2", "var3", "var4")],
                  use = "pairwise.complete.obs")

# Format lower triangle
cor_matrix[upper.tri(cor_matrix)] <- NA

as.data.frame(cor_matrix) |>
  tibble::rownames_to_column("Variable") |>
  gt() |>
  fmt_number(decimals = 2) |>
  sub_missing(missing_text = "") |>
  tab_header(title = "Table 3", subtitle = "Correlation Matrix")

得: 下三角相關矩陣以 gt 表渲染,上三角空白、兩小數位、清題詞。

敗則:sub_missing() 未空上三角,驗 NAcor_matrix[upper.tri(cor_matrix)] <- NA 正設。若變量非數值,cor() 敗;先濾為數值列。

第五步:ANOVA 表

aov_result <- aov(score ~ group * condition, data = data)

library(gtsummary)

tbl_anova <- broom::tidy(aov_result) |>
  gt() |>
  fmt_number(columns = c(sumsq, meansq, statistic), decimals = 2) |>
  fmt_number(columns = p.value, decimals = 3) |>
  cols_label(
    term = "Source",
    df = md("*df*"),
    sumsq = md("*SS*"),
    meansq = md("*MS*"),
    statistic = md("*F*"),
    p.value = md("*p*")
  ) |>
  tab_header(title = "Table 4", subtitle = "ANOVA Results")

得: 格式化 ANOVA 表含 Source、dfSSMSFp 列。交互項清標,p 值三小數位。

敗則:broom::tidy(aov_result) 生非預期列,驗模型為 aov 對象。若需 III 型平方和,用 car::Anova(model, type = 3) 代 base aov()

第六步:存表

# Save as HTML
gtsave(my_table, "table1.html")

# Save as Word
gtsave(my_table, "table1.docx")

# Save as PNG image
gtsave(my_table, "table1.png")

# For LaTeX/PDF (kableExtra)
kableExtra::save_kable(kable_table, "table1.pdf")

得: 表存為所指格式(HTML、Word、PNG、PDF)。輸出檔於適當應用中正開。

敗則:gtsave() Word 敗,確 webshot2 已裝。kableExtra PDF 輸出者,確 LaTeX 發行(TinyTeX 或 MiKTeX)已裝。

第七步:嵌入 Quarto 文檔

```{r}
#| label: tbl-descriptives
#| tbl-cap: "Descriptive Statistics by Group"

gt(descriptives) |>
  fmt_number(columns = c(M, SD), decimals = 2)
```

See @tbl-descriptives for summary statistics.

得: 表於 Quarto 文檔內渲染,有可交叉引用標籤(@tbl-*)與正題詞。表依文檔輸出格式自適應。

敗則: 若表不渲染,驗塊標籤始以 tbl- 供 Quarto 交叉引用。若 PDF 失格式,由 gtkableExtra 為 LaTeX 輸出。

  • 表於目標格式(HTML、PDF、Word)正渲染
  • 數字格式一致(小數位、對齊)
  • 統計記號合樣式指南(斜體、正符號)
  • 表有清題詞與編號
  • 列頭有意義
  • 注/腳注釋縮寫或顯著標

  • gt 於 PDF:gt PDF 支援有限。重 LaTeX 文檔用 kableExtra
  • 舍入不一:始用 fmt_number()(gt)或 format(),非 round() 於顯示
  • 缺值顯示:gt 以 sub_missing() 配置或 options(knitr.kable.NA = "")
  • PDF 寬表:表過頁寬需 landscape() 或減字號
  • APA 數字格式:界於一之值(p 值、相關)無首零:".03" 非 "0.03"

  • format-apa-report — APA 手稿中之表
  • create-quarto-report — 報告中嵌表
  • build-parameterized-report — 依參數適應之表

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan/skills/generate-statistical-tables
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence