Praca z dokumentem Quarto

Tworzenie nowego dokumentu

Aby utworzyć dokument Quarto należy wybrać: File - New File - Quarto Document.

Dokument Quarto umożliwia łączenie treści i kodu w celu utworzenia gotowego dokumentu, który można wyeksportować do formatu HTML, PDF lub MS Word. Kod umieszcza się w tzw. blokach kodu, które można dodać za pomocą skrótu Ctrl + Alt + I

Na początku każdego dokumentu znajduje się nagłówek tzw. YAML header składający się m.in z następujących informacji:

• title: w ty miejscu podajemy tytuł dokumentu.
• format: html - w tym miejscu definiujemy w jakim formacie ma być przechowywany weeksportowany raport (html, pdf, docx)

Więcej: https://quarto.org/docs/get-started/hello/rstudio.html

Tworzenie raportów

Domyślnie dokument Quarto zapisywany jest z rozszerzeniem .qmd Używając opcji Render można go wyeksportować np. do pliku HTML. Aby wyeksportowany dokument otworzył się prawidłowo na innym komputerze, należy przekopiować plik HTML oraz folder o tej samej nazwie co dokument np. cwiczenie1_files.

Pakiety

Pierwszym etapem pracy jest wczytanie pakietów, które będą używane wewnątrz dokumentu. Pakiety te muszą być wczytane w dokumencie używając funkcji library(nazwa_pakietu). W dokumencie Quarto powinniśmy tylko wczytywać pakiety. Należy unikać polecenia install.packages(), służącego do ich instalacji.

Oznaczenie #| pozwala na zdefiniowanie dodatkowych opcji dla każdego bloku kodu. Przy wczytywaniu pakietów należy pamiętać o ustawieniu #| message: false oraz #| warning: false, które oznaczają ukrycie ostrzeżeń i komunikatów związanych z wczytywaniem pakietów.

library(gapminder)
library(ggplot2)

Dane

W poniższym przykładzie wykorzystamy dane gapminder z pakietu gapminder. Po wczytaniu danych w zakładce Środowisko (Environment) kliknij na , aby wczytać i podejrzeć dane. Dane automatycznie zostaną przypisane do obiektu o nazwie gapminder.

data(gapminder, package = 'gapminder')

Podstawowe informacje o danych.

Funkcja str() wyświetla podstawowe informacje o danych. Zbiór danych gapminder to tabela składająca się z 1704 obserwacji (tj. wierszy) oraz 6 zmiennych (tj. kolumn).

str(gapminder)

tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
 $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
 $ year     : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
 $ lifeExp  : num [1:1704] 28.8 30.3 32 34 36.1 ...
 $ pop      : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
 $ gdpPercap: num [1:1704] 779 821 853 836 740 ...

Funkcja summary() wyświetla podstawowe statystyki opisowe.

summary(gapminder)

        country        continent        year         lifeExp     
 Afghanistan:  12   Africa  :624   Min.   :1952   Min.   :23.60  
 Albania    :  12   Americas:300   1st Qu.:1966   1st Qu.:48.20  
 Algeria    :  12   Asia    :396   Median :1980   Median :60.71  
 Angola     :  12   Europe  :360   Mean   :1980   Mean   :59.47  
 Argentina  :  12   Oceania : 24   3rd Qu.:1993   3rd Qu.:70.85  
 Australia  :  12                  Max.   :2007   Max.   :82.60  
 (Other)    :1632                                                
      pop              gdpPercap       
 Min.   :6.001e+04   Min.   :   241.2  
 1st Qu.:2.794e+06   1st Qu.:  1202.1  
 Median :7.024e+06   Median :  3531.8  
 Mean   :2.960e+07   Mean   :  7215.3  
 3rd Qu.:1.959e+07   3rd Qu.:  9325.5  
 Max.   :1.319e+09   Max.   :113523.1  
                                       

Podstawowe wykresy

ggplot(gapminder, aes(x = lifeExp)) + 
  geom_histogram() + 
  labs(x = "Oczekiwana długość trwania życia", y = "Liczność") 

`stat_bin()` using `bins = 30`. Pick better value `binwidth`.