如何在R中将数字格式化为百分比？

Question

曾经困扰我作为R的新事物的一件事是如何将数字格式化为打印的百分比.

例如,显示0.12345为12.345%.我有很多解决方法,但这些似乎都没有"新友好".例如:

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%"

问题:是否有基本的R函数来执行此操作？或者,是否有广泛使用的包提供方便的包装？

---

尽管在这里搜索了类似的东西?format,?formatC并且?prettyNum我还没有在基础R中找到一个适当方便的包装器, ??"percent"但没有产生任何有用的东西. library(sos); findFn("format percent")返回1250次点击 - 所以再次没用. ggplot2有一个功能,percent但这不能控制舍入精度.

Answer 1

几年后的更新:

现在percent,scales包中有一个函数,如krlmlr的答案中所述.使用它而不是我的手卷解决方案.

尝试类似的东西

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

使用,例如,

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

(如果您愿意,请将格式更改"f"为"g".)

Answer 2

看看scales包裹.ggplot2我认为它曾经是其中的一部分.

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

对于大多数情况,用于检测精度的内置逻辑应该足够好.

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%"

Answer 3

percent从formattable包中查看功能:

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

Answer 4

基础R

我更喜欢使用sprintfBase R 中提供的功能。

sprintf("%0.1f%%", .7293827 * 100)
[1] "72.9%"

我特别喜欢sprintf，因为你还可以插入字符串。

sprintf("People who prefer %s over %s: %0.4f%%", 
        "Coke Classic", 
        "New Coke",
        .999999 * 100)
[1] "People who prefer Coke Classic over New Coke: 99.9999%"

它sprintf对于像数据库配置这样的东西使用特别有用；您只需读取 yaml 文件，然后使用 sprintf 填充模板，而无需一堆讨厌的paste0。

更长的激励例子

当您有大量文本和大量值需要聚合时，此模式对于 rmarkdown 报告特别有用。

设置/聚合：

library(data.table) ## for aggregate

approval <- data.table(year = trunc(time(presidents)), 
                       pct = as.numeric(presidents) / 100,
                       president = c(rep("Truman", 32),
                                     rep("Eisenhower", 32),
                                     rep("Kennedy", 12),
                                     rep("Johnson", 20),
                                     rep("Nixon", 24)))
approval_agg <- approval[i = TRUE,
                         j = .(ave_approval = mean(pct, na.rm=T)), 
                         by = president]
approval_agg
#     president ave_approval
# 1:     Truman    0.4700000
# 2: Eisenhower    0.6484375
# 3:    Kennedy    0.7075000
# 4:    Johnson    0.5550000
# 5:      Nixon    0.4859091

sprintf与文本和数字向量一起使用，cat仅输出换行符。

approval_agg[, sprintf("%s approval rating: %0.1f%%",
                       president,
                       ave_approval * 100)] %>% 
  cat(., sep = "\n")
# 
# Truman approval rating: 47.0%
# Eisenhower approval rating: 64.8%
# Kennedy approval rating: 70.8%
# Johnson approval rating: 55.5%
# Nixon approval rating: 48.6%

最后，为了我自己自私的参考，因为我们正在讨论格式化，所以这就是我如何使用基本 R 来处理逗号：

30298.78 %>% round %>% prettyNum(big.mark = ",")
[1] "30,299"

Answer 5

我对这些答案的速度进行了一些基准测试,并且因为它的低迷percent而在scales包装中如此受到惊吓.我想其优点是它的自动检测器可以进行正确的格式化,但是如果你知道你的数据是什么样的,那么它似乎很明显可以避免.

以下是尝试将(0,1)中的100,000个百分比列表格式化为2位数的百分比的结果:

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()

因此sprintf,当我们想要添加百分号时,它就会成为明显的赢家.另一方面,如果我们只想将数字和数字相乘(从比例变为没有"%"的百分比),则round()最快:

# 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()

Answer 6

这是我定义一个新功能的解决方案(主要是因为我可以使用Curry和Compose :-)):

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

Answer 7

您可以仅使用scale包进行此操作(无需使用require或库加载)

scales::percent(m)

Answer 8

该tidyverse版本是这样的：

> library(dplyr)
> library(scales)

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

> dt %>% mutate(perc=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%

看起来像往常一样整洁。