generate-statistical-tables
О программе
Этот навык создает готовые к публикации статистические таблицы из результатов анализа R с использованием gt, kableExtra или flextable. Он генерирует таблицы описательной статистики, результатов регрессионного анализа, таблицы ANOVA, корреляционные матрицы и таблицы в формате APA. Используйте его при подготовке таблиц для научных статей, отчетов или документов Quarto/R Markdown.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/generate-statistical-tablesСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
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
入
- 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
法
第一步:擇表包
| Package | Best for | Formats |
|---|---|---|
gt | HTML, general-purpose | HTML, PDF, Word |
kableExtra | LaTeX/PDF documents | PDF, HTML |
flextable | Word documents | Word, PDF, HTML |
gtsummary | Clinical/statistical summaries | All 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)。gtsummary 則 gt 與 gtsummary 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 M、SD、n)。
敗則: 若 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: 若 tbl_regression() 敗,驗入為模型對象(如 lm、glm)。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: 若 sub_missing() 未空上三角,驗 NA 以 cor_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、df、SS、MS、F、p 列。交互項清標,p 值三小數位。
敗則: 若 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: 若 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 gt 改 kableExtra 為 LaTeX 輸出。
驗
- 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
陷
- 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"
參
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
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
