R'de yüzde olarak bir sayı nasıl biçimlendirilir?

Eskiden R'ye yeni gelen biri olarak beni şaşırtan şeylerden biri, bir sayının yazdırma için yüzde olarak nasıl biçimlendirileceğiydi.

Örneğin, görüntüler 0.12345olarak 12.345%. Bunun için birkaç çözümüm var, ancak bunların hiçbiri "yeni dostça" görünmüyor. Örneğin:

set.seed(1)
m <- runif(5)

paste(round(100*m, 2), "%", sep="")
[1] "26.55%" "37.21%" "57.29%" "90.82%" "20.17%"

sprintf("%1.2f%%", 100*m)
[1] "26.55%" "37.21%" "57.29%" "90.82%" "20.17%"

Soru: Bunu yapmak için temel bir R işlevi var mı? Alternatif olarak, kullanışlı bir ambalaj sağlayan ve yaygın olarak kullanılan bir paket var mı?

Bu in gibi bir şey ararken rağmen ?format, ?formatCve ?prettyNumben R. tabanında uygun bir şekilde uygun sarmalayıcı bulmak için henüz ??"percent"yararlı bir şey vermemiştir. library(sos); findFn("format percent")1250 isabet döndürür - bu yüzden yine kullanışlı değildir. ggplot2bir işleve sahiptir, percentancak bu, yuvarlama doğruluğu üzerinde hiçbir kontrol sağlamaz.

Daha sonra bile:

@DzimitryM'in belirttiği gibi , eski ile eşanlamlı olan percent()lehine "emekli" olmuştur.label_percent()percent_format() işlevin .

label_percent() bir işlev döndürür, bu yüzden onu kullanmak için fazladan bir çift parantez gerekir.

library(scales)
x <- c(-1, 0, 0.1, 0.555555, 1, 100)
label_percent()(x)
## [1] "-100%"   "0%"      "10%"     "56%"     "100%"    "10 000%"

İlk parantez kümesinin içine bağımsız değişkenler ekleyerek bunu özelleştirin.

label_percent(big.mark = ",", suffix = " percent")(x)
## [1] "-100 percent"   "0 percent"      "10 percent"    
## [4] "56 percent"     "100 percent"    "10,000 percent"

Birkaç yıl sonra bir güncelleme:

Bu günlerde bir percentscalesKrlmlr'in cevabında belirtildiği gibi, pakette işlev var. El yapımı çözümüm yerine bunu kullan.

Gibi bir şey dene

percent <- function(x, digits = 2, format = "f", ...) {
  paste0(formatC(100 * x, format = format, digits = digits, ...), "%")
}

Kullanımla, örneğin,

x <- c(-1, 0, 0.1, 0.555555, 1, 100)
percent(x)

(Tercih ederseniz, biçimini olarak "f"değiştirin "g".)

scalesPaketi kontrol edin . Sanırım bir parçasıydı ggplot2.

library('scales')
percent((1:10) / 100)
#  [1] "1%"  "2%"  "3%"  "4%"  "5%"  "6%"  "7%"  "8%"  "9%"  "10%"

Hassasiyeti tespit etmek için yerleşik mantık, çoğu durumda yeterince iyi çalışmalıdır.

percent((1:10) / 1000)
#  [1] "0.1%" "0.2%" "0.3%" "0.4%" "0.5%" "0.6%" "0.7%" "0.8%" "0.9%" "1.0%"
percent((1:10) / 100000)
#  [1] "0.001%" "0.002%" "0.003%" "0.004%" "0.005%" "0.006%" "0.007%" "0.008%"
#  [9] "0.009%" "0.010%"
percent(sqrt(seq(0, 1, by=0.1)))
#  [1] "0%"   "32%"  "45%"  "55%"  "63%"  "71%"  "77%"  "84%"  "89%"  "95%" 
# [11] "100%"
percent(seq(0, 0.1, by=0.01) ** 2)
#  [1] "0.00%" "0.01%" "0.04%" "0.09%" "0.16%" "0.25%" "0.36%" "0.49%" "0.64%"
# [10] "0.81%" "1.00%"

Paketteki percentişlevi kontrol edin formattable:

library(formattable)
x <- c(0.23, 0.95, 0.3)
percent(x)
[1] 23.00% 95.00% 30.00%

Bu cevaplarda hız için bazı kıyaslamalar yaptım percentvescales yavaşlığı göz önüne alındığında bu kadar lanse pakette . Bunun avantajının, doğru biçimlendirme için otomatik algılayıcısı olduğunu düşünüyorum, ancak verilerinizin neye benzediğini biliyorsanız, kaçınılması gerektiği açıktır.

Yüzde 100.000'lik bir listeyi (0,1) ile 2 basamaklı bir yüzdeyi biçimlendirmeye çalışmanın sonuçları şunlardır:

library(microbenchmark)
x = runif(1e5)
microbenchmark(times = 100L, andrie1(), andrie2(), richie(), krlmlr())
# Unit: milliseconds
#   expr       min        lq      mean    median        uq       max
# 1 andrie1()  91.08811  95.51952  99.54368  97.39548 102.75665 126.54918 #paste(round())
# 2 andrie2()  43.75678  45.56284  49.20919  47.42042  51.23483  69.10444 #sprintf()
# 3  richie()  79.35606  82.30379  87.29905  84.47743  90.38425 112.22889 #paste(formatC())
# 4  krlmlr() 243.19699 267.74435 304.16202 280.28878 311.41978 534.55904 #scales::percent()

Yani sprintfbiz yüzde işareti eklemek istediğinizde bir kesin kazanan. Öte yandan, yalnızca sayıyı çarpıp yuvarlamak istersek ("%" olmadan orantıdan yüzdeye gitmek round()en hızlısıdır:

# Unit: milliseconds
#        expr      min        lq      mean    median        uq       max
# 1 andrie1()  4.43576  4.514349  4.583014  4.547911  4.640199  4.939159 # round()
# 2 andrie2() 42.26545 42.462963 43.229595 42.960719 43.642912 47.344517 # sprintf()
# 3  richie() 64.99420 65.872592 67.480730 66.731730 67.950658 96.722691 # formatC()

Scales paketini sadece bu işlem için kullanabilirsiniz (Require veya library ile yüklemeden)

scales::percent(m)

İşte yeni bir işlevi tanımlamak için benim çözümüm (çoğunlukla Curry ve Compose ile oynayabilmem için :-)):

library(roxygen)
printpct <- Compose(function(x) x*100, Curry(sprintf,fmt="%1.2f%%"))

Nasıl scalable::percentdaha yavaş olduğunun gösterildiğini ve Liliana Pacheco'nun başka bir çözüm sunduğunu görünce , devam ettim ve Michael'ın belirlediği örneğe dayanarak onu diğer seçeneklerden bazılarıyla karşılaştırmaya çalıştım:

library(microbenchmark)
library(scales)
library(formattable)

x<-runif(1e5)

lilip <- function() formattable::percent(x,2)
krlmlr <- function() scales::percent(x)
andrie1 <- function() paste0(round(x,4) * 100, '%')

microbenchmark(times=100L,lilip(), krlmlr(), andrie1())

Aldığım sonuçlar şunlar:

Unit: microseconds
      expr        min          lq        mean      median          uq        max neval
   lilip()    194.562    373.7335    772.5663    889.7045    950.4035   1611.537   100
  krlmlr() 226270.845 237985.6560 260194.9269 251581.0235 280704.2320 373022.180   100
 andrie1()  87916.021  90437.4820  92791.8923  92636.8420  94448.7040 102543.252   100

Yine de, neden benim krlmlr()ve neden andrie1()MichaelChirico'nun örneğindekinden daha kötü performans gösterdiğine dair hiçbir fikrim yok . Herhangi bir ipucu?

try this~

data_format <- function(data,digit=2,type='%'){
if(type=='d') {
    type = 'f';
    digit = 0;
}
switch(type,
    '%' = {format <- paste("%.", digit, "f%", type, sep='');num <- 100},
    'f' = {format <- paste("%.", digit, type, sep='');num <- 1},
    cat(type, "is not a recognized type\n")
)
sprintf(format, num * data)
}

Bu işlev, verileri sütunlara göre yüzdelere dönüştürebilir

percent.colmns = function(base, columnas = 1:ncol(base), filas = 1:nrow(base)){
    base2 = base
    for(j in columnas){
        suma.c = sum(base[,j])
        for(i in filas){
            base2[i,j] = base[i,j]*100/suma.c
        }
    }
    return(base2)
}

tidyverseVersiyon şudur:

> library(tidyverse)

> set.seed(1)
> m <- runif(5)
> dt <- as.data.frame(m)

> dt %>% mutate(perc=scales::percent(m,accuracy=0.001))
          m    perc
1 0.2655087 26.551%
2 0.3721239 37.212%
3 0.5728534 57.285%
4 0.9082078 90.821%
5 0.2016819 20.168%

Her zamanki gibi düzenli görünüyor.