gt入門

作成日

2023年3月14日

更新日

2023年3月14日

はじめに

以下の内容は現在執筆中の内容の一部となります。
- Song Jaehyun・矢内勇生『私たちのR: ベストプラクティスの探求』(E-book)
本記事で使用するデータは以下からダウンロードしてください。

ファイル名	ダウンロード
`countries_desc1.csv`	Download
`countries_desc2.csv`	Download
`countries_desc3.csv`	Download

　記述統計や推定結果を示す場合は図表が用いられることが多い。図に関しては{ggplot2}が最もポピュラーなパッケージである（Base Rもまた根強い人気を誇る）。一方、表の場合、現時点において2つの選択肢がある。一つはこれまで長らく使われてきた{knitr}パッケージのkable()と{kabelExtra}パッケージの組み合わせ、もう一つが近年注目を集めている{gt}パッケージだ。

　{gt}はGrammar of Tablesの略であり、Grammar of Graphicsの具現化した{ggplot2}の影響を受けたものである。つまり、一つの表を独立した要素に分解し、それぞれのレイヤーを重ねていくイメージだ。{ggplot2}の考え方（\(\neq\)使い方）に慣れている読者なら{gt}にもすぐ慣れるだろう。ただし、{gt}は開発途上であり、PDF出力との相性が現在 (2023年03月14日; {gt} 0.8.0)、優れているとはいい難い。表をPDF形式に出力したいのであれば{knitr}のkable() + {kableExtra}を推奨する。また、{gt}単体での機能はkable() + {kableExtra}より貧弱ではあったものの、現在は{gtExtras}の登場により、ほぼ同じことが行えるようになった。

　ここではRStudio社が開発をサポートしている{gt}パッケージについて簡単に解説する¹。また、どのパッケージもHTML出力とLaTeX出力両方に対応しているが、ここではHTML出力のみ紹介する。ただし、LaTeX出力に関しては引数の追加などで簡単にできるため、詳細は各パッケージの公式ページやヴィネット等を参考されたい。

{gt}の公式ホームページ

　それではまず、実習に使用するパッケージとデータを読み込でおこう。

pacman::p_load(tidyverse, gt, gtExtras, DT)

df1 <- read_csv("Data/countries_desc1.csv")
df2 <- read_csv("Data/countries_desc2.csv")
df3 <- read_csv("Data/countries_desc3.csv")

df1

# A tibble: 7 × 6
  Variable         Mean      SD        Min      Max   Obs
  <chr>           <dbl>   <dbl>      <dbl>    <dbl> <dbl>
1 Population     41.7   151.      0.000801 1447.      186
2 Area           69.6   187.      0        1638.      186
3 GDP_per_capita  1.62    2.57    0.00577    18.3     185
4 PPP_per_capita  2.08    2.10    0.0733     11.3     178
5 HDI_2018        0.713   0.153   0.377       0.954   180
6 Polity_Score    4.26    6.10  -10          10       158
7 FH_Total       57.7    29.9     0         100       185

df2

# A tibble: 35 × 7
   Continent Variable          Mean      SD      Min     Max   Obs
   <chr>     <chr>            <dbl>   <dbl>    <dbl>   <dbl> <dbl>
 1 Africa    Population      24.6    35.9    0.0983  206.       54
 2 Africa    Area            54.4    59.2    0.046   238.       54
 3 Africa    GDP_per_capita   0.251   0.313  0.00577   1.73     54
 4 Africa    PPP_per_capita   0.567   0.602  0.0733    2.78     52
 5 Africa    HDI_2018         0.553   0.109  0.377     0.801    53
 6 Africa    Polity_Score     2.48    5.00  -9        10        48
 7 Africa    FH_Total        41.6    25.1    2        92        54
 8 America   Population      28.7    66.3    0.0532  334.       36
 9 America   Area           108.    246.     0.026   916.       36
10 America   GDP_per_capita   1.25    1.27   0.0745    6.44     36
# … with 25 more rows

df3

# A tibble: 5 × 8
  Continent Population  Area   GDP   PPP   HDI Polity    FH
  <chr>          <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl> <dbl>
1 Africa          24.6  54.4 0.251 0.567 0.553  2.48   41.6
2 America         28.7 108.  1.25  1.81  0.742  6.93   71.9
3 Asia           107.   70.2 1.32  2.27  0.723  0.342  38.9
4 Europe          17.1  46.5 3.56  3.78  0.861  7.93   79.4
5 Oceania         10.0 210.  2.66  2.76  0.782  7.25   79

{gt}の使い方

表の出力

　{gt}では、表がタイトル、列ラベル、ホディ―などの要素で構成されている考え（図 1 ）、それぞれの要素を追加したり、修正する形で表を作成する。

　まず、これまで使ってきたdf1を使ってHTML形式の表を出力してみよう。使用する関数はgt()であり、data.frameまたはtibbleオブジェクト名が第1引数である。

df1 |>
    gt()

Variable	Mean	SD	Min	Max	Obs
Population	41.7377735	151.2702976	0.000801000	1447.47009	186
Area	69.6069247	187.2412489	0.000000000	1637.68700	186
GDP_per_capita	1.6158103	2.5710359	0.005770007	18.31772	185
PPP_per_capita	2.0833383	2.0992134	0.073314173	11.34231	178
HDI_2018	0.7134833	0.1528503	0.377000000	0.95400	180
Polity_Score	4.2594937	6.1022919	-10.000000000	10.00000	158
FH_Total	57.7135135	29.8656244	0.000000000	100.00000	185

列の操作

　これだけでも十分に綺麗な表が出来上がった。それではこちらの表を少しずつ修正してみよう。まず、Mean列からMax列だが、これを小数点3桁で丸めてみよう。これらの数字は図 1 のTable Bodyに該当する。このTable Bodyのフォーマットに関わる調整はfmt_*()関数を使用する。Mean列からMax列までの数値に関する調整はfmt_number()関数を使用する。gt()で作成された表オブジェクトをそのままfmt_number()に渡し、columns引数で何列に当該内容を適用するかを指定する。たとえば、Mean列からMax列までは2〜5列目に相当するのでcolumns = 2:5、またはcolumns = c(2, 3, 4, 5)で良い。続いて、小数点の桁数を指定するdecimalsに3を指定してみよう。

df1 |>
    gt() |>
    fmt_number(columns = 2:5, decimals = 3)

Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　columnsは列の番号じゃなく、列名そのままでも指定できる。

df1 |>
    gt() |>
    fmt_number(columns = c("Mean", "SD", "Min", "Max"), decimals = 3)

Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　列名の変更はcols_lable()レイヤーで行う。()内には"元の列名" = "新しい列名"のように記述する。kbl()は全ての列に対して列名を指定しないといけなかったが（つまり、変更したくない列も一応、指定が必要）、{gt}だと変更したい列のみ指定しても良いといったメリットがある。

df1 |>
    gt() |>
    fmt_number(columns = 2:5, decimals = 3) |>
    cols_label("Variable" = "変数", "Mean" = "平均値", "SD" = "標準偏差",
               "Min" = "最小値", "Max" = "最大値", "Obs" = "有効ケース数")

変数	平均値	標準偏差	最小値	最大値	有効ケース数
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　もう一つ見たいこところは、各セル内のテキストの揃えだ。たとえば、文字型列のVariableは左揃え、数値型列であるその他の列は右揃えになっている。これはこのままで問題ない。しかし、どうしても特定の列を中央揃えしたい時もあるだろう。その場合、cols_align()レイヤーで修正することができる。たとえば、Variable列の値を中央揃えに変えてみよう。引数はalignで"left"、"center"、"right"のいずれかを、columnsには適用したい列の番号、または列名を指定する。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  cols_align(align = "center", columns = 1) # columns = Variable でもOK

Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　また、各列のラベル（図 1 のcolumn labels）の位置も表のボディー（図 1 のtable body）に連動する。もし、列ラベルのみ中央揃えにしたい場合はtab_style()レイヤーを使用する。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  tab_style(style     = cell_text(align = "center"), # どうする?: 中央揃え
            locations = cells_column_labels())       # どこを?: 列レベルだけ

Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　また、HTMLのCSSによって異なるが、{gt}で作成された表の幅がページの幅に強制的に調整される場合がある。本書はQuartoで執筆されているが、まさにそのケースである。この場合は、as_raw_html()を使えば良い。一つ注意すべき点はas_raw_html()は必ず最後のレイヤーにする必要がある。as_raw_html()の後ろにレイヤーが足される場合はエラーが発生する。

df1 |>
    gt() |>
    fmt_number(columns = 2:5, decimals = 3) |>
    as_raw_html()

Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　このas_raw_html()は必要に応じて入れる。R Markdown/Quartoを使わない場合はそもそも不要だ（RStudioのViewerペインでは問題なく表示される）。もし、R Markdown/Quartoで{gt}を使用し、表の幅が気に入らない場合のみ使うことにしよう。

タイトル・フットノート

　表のタイトルおよびサブタイトルはtab_header()関数のtitleとsubtitle引数で指定できる。また、表の下段に位置するフットノート（footnote）とソースノート（source note）は別の関数に対応し、それぞれtab_footnote()とtab_source_note()を使う。使用する引数はそれぞれfootnoteとsource_noteであるが、第1引数であるため、省略可能だ。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  tab_header(title = "タイトル", subtitle = "サブタイトル") |>
  tab_footnote(footnote = "注: ここにはフットノートが入る") |>
  tab_source_note(source_note = "出典: 『私たちのR』") |>
  as_raw_html()

Variable	Mean	SD	Min	Max	Obs
タイトル
サブタイトル
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185
出典: 『私たちのR』
注: ここにはフットノートが入る

　ちなみに、tab_footnote()やtab_source_note()は複数回使用することで複数行にすることができる。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  tab_header(title = "タイトル", subtitle = "サブタイトル") |>
  tab_footnote(footnote = "注1: ここにはフットノート1が入る") |>
  tab_footnote(footnote = "注2: ここにはフットノート2が入る") |>
  tab_source_note(source_note = "出典: 『私たちのR』") |>
  as_raw_html()

Variable	Mean	SD	Min	Max	Obs
タイトル
サブタイトル
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185
出典: 『私たちのR』
注1: ここにはフットノート1が入る
注2: ここにはフットノート2が入る

　また、タイトルやフットノートに限定された機能ではないが、テキストはMarkdownやHTML文法で書くこともできる。たとえば、上記のコードの『私たちのR』にリンクを貼る場合、Markdown文法だと"『[私たちのR](https://www.jaysong.net/RBook/)』"となるが、このままではうまくいかない。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  tab_header(title = "タイトル", subtitle = "サブタイトル") |>
  tab_footnote(footnote = "注1: ここにはフットノート1が入る") |>
  tab_footnote(footnote = "注2: ここにはフットノート2が入る") |>
  tab_source_note(source_note = "出典: 『[私たちのR](https://www.jaysong.net/RBook/)』") |>
  as_raw_html()

Variable	Mean	SD	Min	Max	Obs
タイトル
サブタイトル
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185
出典: 『[私たちのR](https://www.jaysong.net/RBook/)』
注1: ここにはフットノート1が入る
注2: ここにはフットノート2が入る

　Markdown文法を使う場合は、文字列をmd()関数内で指定することでMarkdown文として解釈されるようになる。

df1 |>
  gt() |>
  fmt_number(columns = 2:5, decimals = 3) |>
  tab_header(title = "タイトル", subtitle = "サブタイトル") |>
  tab_footnote(footnote = "注1: ここにはフットノート1が入る") |>
  tab_footnote(footnote = "注2: ここにはフットノート2が入る") |>
  tab_source_note(source_note = md("出典: 『[私たちのR](https://www.jaysong.net/RBook/)』")) |>
  as_raw_html()

Variable	Mean	SD	Min	Max	Obs
タイトル
サブタイトル
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185
出典: 『私たちのR』
注1: ここにはフットノート1が入る
注2: ここにはフットノート2が入る

グループ化

　列をグループ化するためにはtab_spanner()関数を使う。columns引数にはグループ化する列の位置、もしくは名前を、labelにはグループ名を指定すれば良い。たとえば、df1を使う場合、MinとMax列を一つのグループとしてRangeと名付けるとしよう。columnsは列の番号でも、列名でも良い。

df1 |>
    gt() |>
    tab_spanner(columns = 4:5, label = "Range") |>
    fmt_number(columns = 2:5, decimals = 3) |>
    as_raw_html()

Variable	Mean	SD	Range		Obs
Variable	Mean	SD	Min	Max	Obs
Population	41.738	151.270	0.001	1,447.470	186
Area	69.607	187.241	0.000	1,637.687	186
GDP_per_capita	1.616	2.571	0.006	18.318	185
PPP_per_capita	2.083	2.099	0.073	11.342	178
HDI_2018	0.713	0.153	0.377	0.954	180
Polity_Score	4.259	6.102	−10.000	10.000	158
FH_Total	57.714	29.866	0.000	100.000	185

　続いて、行をグループ化する方法について紹介する。まず、df2の中身を確認してみよう。

df2 |>
    gt() |>
    as_raw_html()

Continent	Variable	Mean	SD	Min	Max	Obs
Africa	Population	24.5609472	35.90062114	0.098347000	206.139589	54
Africa	Area	54.4435111	59.21810613	0.046000000	238.174000	54
Africa	GDP_per_capita	0.2514072	0.31334566	0.005770007	1.727394	54
Africa	PPP_per_capita	0.5667087	0.60151933	0.073314173	2.778814	52
Africa	HDI_2018	0.5532642	0.10889924	0.377000000	0.801000	53
Africa	Polity_Score	2.4791667	5.00208290	-9.000000000	10.000000	48
Africa	FH_Total	41.5740741	25.12955251	2.000000000	92.000000	54
America	Population	28.7362271	66.28460983	0.053199000	334.308644	36
America	Area	108.1607833	245.85173673	0.026000000	915.802000	36
America	GDP_per_capita	1.2526519	1.27016543	0.074535927	6.444591	36
America	PPP_per_capita	1.8100292	1.26006234	0.176587508	6.178997	35
America	HDI_2018	0.7424722	0.09094975	0.466000000	0.922000	36
America	Polity_Score	6.9259259	3.59407553	-5.000000000	10.000000	27
America	FH_Total	71.9166667	22.42750225	14.000000000	98.000000	36
Asia	Population	107.3001606	301.72686527	0.437479000	1447.470092	42
Asia	Area	70.1983405	155.92487158	0.030000000	938.929100	42
Asia	GDP_per_capita	1.3167525	1.70584531	0.049067972	6.368026	42
Asia	PPP_per_capita	2.2728133	2.40667620	0.139610508	9.525177	41
Asia	HDI_2018	0.7228537	0.12010715	0.463000000	0.935000	41
Asia	Polity_Score	0.3421053	7.48431266	-10.000000000	10.000000	38
Asia	FH_Total	38.9285714	25.15453977	0.000000000	96.000000	42
Europe	Population	17.1127533	29.05674254	0.000801000	145.934462	50
Europe	Area	46.4618980	230.34717622	0.000000000	1637.687000	50
Europe	GDP_per_capita	3.5575266	3.86463361	0.296369600	18.317721	49
Europe	PPP_per_capita	3.7782593	2.12763785	0.842873869	11.342306	46
Europe	HDI_2018	0.8611304	0.06306914	0.711000000	0.954000	46
Europe	Polity_Score	7.9268293	4.23314448	-7.000000000	10.000000	41
Europe	FH_Total	79.4285714	22.70187217	10.000000000	100.000000	49
Oceania	Population	10.0465332	10.81385119	0.896445000	25.499884	4
Oceania	Area	210.4312500	372.29122053	1.827000000	768.230000	4
Oceania	GDP_per_capita	2.6577585	2.60067976	0.279082855	5.461517	4
Oceania	PPP_per_capita	2.7572651	2.19837188	0.417111768	5.000127	4
Oceania	HDI_2018	0.7815000	0.18631604	0.543000000	0.938000	4
Oceania	Polity_Score	7.2500000	3.20156212	4.000000000	10.000000	4
Oceania	FH_Total	79.0000000	20.80064102	60.000000000	97.000000	4

　各大陸ごとの人口、面積などの情報が含まれている表であるが、これらを大陸単位で行をグループ化してみよう。方法は簡単だ。{dplyr}のようにgt()関数に渡す前に、group_by()でデータをグループ化すれば良い。今回はContinent列の値に基づいてグループ化するため、group_by(Continent)とする。

df2 |>
    group_by(Continent) |>
    gt() |>
    as_raw_html()

Variable	Mean	SD	Min	Max	Obs
Africa
Population	24.5609472	35.90062114	0.098347000	206.139589	54
Area	54.4435111	59.21810613	0.046000000	238.174000	54
GDP_per_capita	0.2514072	0.31334566	0.005770007	1.727394	54
PPP_per_capita	0.5667087	0.60151933	0.073314173	2.778814	52
HDI_2018	0.5532642	0.10889924	0.377000000	0.801000	53
Polity_Score	2.4791667	5.00208290	-9.000000000	10.000000	48
FH_Total	41.5740741	25.12955251	2.000000000	92.000000	54
America
Population	28.7362271	66.28460983	0.053199000	334.308644	36
Area	108.1607833	245.85173673	0.026000000	915.802000	36
GDP_per_capita	1.2526519	1.27016543	0.074535927	6.444591	36
PPP_per_capita	1.8100292	1.26006234	0.176587508	6.178997	35
HDI_2018	0.7424722	0.09094975	0.466000000	0.922000	36
Polity_Score	6.9259259	3.59407553	-5.000000000	10.000000	27
FH_Total	71.9166667	22.42750225	14.000000000	98.000000	36
Asia
Population	107.3001606	301.72686527	0.437479000	1447.470092	42
Area	70.1983405	155.92487158	0.030000000	938.929100	42
GDP_per_capita	1.3167525	1.70584531	0.049067972	6.368026	42
PPP_per_capita	2.2728133	2.40667620	0.139610508	9.525177	41
HDI_2018	0.7228537	0.12010715	0.463000000	0.935000	41
Polity_Score	0.3421053	7.48431266	-10.000000000	10.000000	38
FH_Total	38.9285714	25.15453977	0.000000000	96.000000	42
Europe
Population	17.1127533	29.05674254	0.000801000	145.934462	50
Area	46.4618980	230.34717622	0.000000000	1637.687000	50
GDP_per_capita	3.5575266	3.86463361	0.296369600	18.317721	49
PPP_per_capita	3.7782593	2.12763785	0.842873869	11.342306	46
HDI_2018	0.8611304	0.06306914	0.711000000	0.954000	46
Polity_Score	7.9268293	4.23314448	-7.000000000	10.000000	41
FH_Total	79.4285714	22.70187217	10.000000000	100.000000	49
Oceania
Population	10.0465332	10.81385119	0.896445000	25.499884	4
Area	210.4312500	372.29122053	1.827000000	768.230000	4
GDP_per_capita	2.6577585	2.60067976	0.279082855	5.461517	4
PPP_per_capita	2.7572651	2.19837188	0.417111768	5.000127	4
HDI_2018	0.7815000	0.18631604	0.543000000	0.938000	4
Polity_Score	7.2500000	3.20156212	4.000000000	10.000000	4
FH_Total	79.0000000	20.80064102	60.000000000	97.000000	4

　このようにグループ化することができる。引き続きMean列からMax列までの値を小数点3桁目で丸めてみよう。MeanとMax列の位置は2、5列目であるかのように見える。とりあえずやってみよう。

df2 |>
    group_by(Continent) |>
    gt() |>
    fmt_number(columns = 2:5, decimals = 3) |>
    as_raw_html()

Error in `fmt_number()`:
! The `fmt_number()` and `fmt_integer()` functions can only be used on
  `columns` with numeric data.

　このようにエラーが表示される。なぜだろう。それはグルーピングに使用された変数も1つの列としてカウントされるからだ。つまり、グルーピングに使用されたContinent列は列としては見えないものの、1列目として存在する。したがって、目に見える列番号に1を足す必要がある。それではグルーピングあと、Mean列からMax列までは小数点3桁目で丸め、Min列とMax列はRangeという名でグルーピングしてみよう。

df2 |>
    group_by(Continent) |>
    gt() |>
    tab_spanner(columns = 5:6, label = "Range") |>
    fmt_number(columns = 3:6, decimals = 3) |>
    as_raw_html()

Variable	Mean	SD	Range		Obs
Variable	Mean	SD	Min	Max	Obs
Africa
Population	24.561	35.901	0.098	206.140	54
Area	54.444	59.218	0.046	238.174	54
GDP_per_capita	0.251	0.313	0.006	1.727	54
PPP_per_capita	0.567	0.602	0.073	2.779	52
HDI_2018	0.553	0.109	0.377	0.801	53
Polity_Score	2.479	5.002	−9.000	10.000	48
FH_Total	41.574	25.130	2.000	92.000	54
America
Population	28.736	66.285	0.053	334.309	36
Area	108.161	245.852	0.026	915.802	36
GDP_per_capita	1.253	1.270	0.075	6.445	36
PPP_per_capita	1.810	1.260	0.177	6.179	35
HDI_2018	0.742	0.091	0.466	0.922	36
Polity_Score	6.926	3.594	−5.000	10.000	27
FH_Total	71.917	22.428	14.000	98.000	36
Asia
Population	107.300	301.727	0.437	1,447.470	42
Area	70.198	155.925	0.030	938.929	42
GDP_per_capita	1.317	1.706	0.049	6.368	42
PPP_per_capita	2.273	2.407	0.140	9.525	41
HDI_2018	0.723	0.120	0.463	0.935	41
Polity_Score	0.342	7.484	−10.000	10.000	38
FH_Total	38.929	25.155	0.000	96.000	42
Europe
Population	17.113	29.057	0.001	145.934	50
Area	46.462	230.347	0.000	1,637.687	50
GDP_per_capita	3.558	3.865	0.296	18.318	49
PPP_per_capita	3.778	2.128	0.843	11.342	46
HDI_2018	0.861	0.063	0.711	0.954	46
Polity_Score	7.927	4.233	−7.000	10.000	41
FH_Total	79.429	22.702	10.000	100.000	49
Oceania
Population	10.047	10.814	0.896	25.500	4
Area	210.431	372.291	1.827	768.230	4
GDP_per_capita	2.658	2.601	0.279	5.462	4
PPP_per_capita	2.757	2.198	0.417	5.000	4
HDI_2018	0.781	0.186	0.543	0.938	4
Polity_Score	7.250	3.202	4.000	10.000	4
FH_Total	79.000	20.801	60.000	97.000	4

　ややこしい話であるが、列を番号でなく、列名で指定すると、このような混乱を避けることができる。列の指定方法は好みの問題でもあるので、好きなやり方を使おう。

df2 |>
    group_by(Continent) |>
    gt() |>
    tab_spanner(columns = Min:Max, label = "Range") |>
    fmt_number(columns = Mean:Max, decimals = 3) |>
    as_raw_html()

Variable	Mean	SD	Range		Obs
Variable	Mean	SD	Min	Max	Obs
Africa
Population	24.561	35.901	0.098	206.140	54
Area	54.444	59.218	0.046	238.174	54
GDP_per_capita	0.251	0.313	0.006	1.727	54
PPP_per_capita	0.567	0.602	0.073	2.779	52
HDI_2018	0.553	0.109	0.377	0.801	53
Polity_Score	2.479	5.002	−9.000	10.000	48
FH_Total	41.574	25.130	2.000	92.000	54
America
Population	28.736	66.285	0.053	334.309	36
Area	108.161	245.852	0.026	915.802	36
GDP_per_capita	1.253	1.270	0.075	6.445	36
PPP_per_capita	1.810	1.260	0.177	6.179	35
HDI_2018	0.742	0.091	0.466	0.922	36
Polity_Score	6.926	3.594	−5.000	10.000	27
FH_Total	71.917	22.428	14.000	98.000	36
Asia
Population	107.300	301.727	0.437	1,447.470	42
Area	70.198	155.925	0.030	938.929	42
GDP_per_capita	1.317	1.706	0.049	6.368	42
PPP_per_capita	2.273	2.407	0.140	9.525	41
HDI_2018	0.723	0.120	0.463	0.935	41
Polity_Score	0.342	7.484	−10.000	10.000	38
FH_Total	38.929	25.155	0.000	96.000	42
Europe
Population	17.113	29.057	0.001	145.934	50
Area	46.462	230.347	0.000	1,637.687	50
GDP_per_capita	3.558	3.865	0.296	18.318	49
PPP_per_capita	3.778	2.128	0.843	11.342	46
HDI_2018	0.861	0.063	0.711	0.954	46
Polity_Score	7.927	4.233	−7.000	10.000	41
FH_Total	79.429	22.702	10.000	100.000	49
Oceania
Population	10.047	10.814	0.896	25.500	4
Area	210.431	372.291	1.827	768.230	4
GDP_per_capita	2.658	2.601	0.279	5.462	4
PPP_per_capita	2.757	2.198	0.417	5.000	4
HDI_2018	0.781	0.186	0.543	0.938	4
Polity_Score	7.250	3.202	4.000	10.000	4
FH_Total	79.000	20.801	60.000	97.000	4

　最後に、グルーピングとは関係ないものの、行の名前を指定する方法について説明する。それはgt()で表を作成する際、行の名前にしたい列名をrowname_colで指定すれば良い。たとえば、Variable列を行の名前にしてみよう。

df2 |>
    group_by(Continent) |>
    gt(rowname_col = "Variable") |>
    tab_spanner(columns = 5:6, label = "Range") |>
    fmt_number(columns = 3:6, decimals = 3) |>
    as_raw_html()

	Mean	SD	Range		Obs
	Mean	SD	Min	Max	Obs
Africa
Population	24.561	35.901	0.098	206.140	54
Area	54.444	59.218	0.046	238.174	54
GDP_per_capita	0.251	0.313	0.006	1.727	54
PPP_per_capita	0.567	0.602	0.073	2.779	52
HDI_2018	0.553	0.109	0.377	0.801	53
Polity_Score	2.479	5.002	−9.000	10.000	48
FH_Total	41.574	25.130	2.000	92.000	54
America
Population	28.736	66.285	0.053	334.309	36
Area	108.161	245.852	0.026	915.802	36
GDP_per_capita	1.253	1.270	0.075	6.445	36
PPP_per_capita	1.810	1.260	0.177	6.179	35
HDI_2018	0.742	0.091	0.466	0.922	36
Polity_Score	6.926	3.594	−5.000	10.000	27
FH_Total	71.917	22.428	14.000	98.000	36
Asia
Population	107.300	301.727	0.437	1,447.470	42
Area	70.198	155.925	0.030	938.929	42
GDP_per_capita	1.317	1.706	0.049	6.368	42
PPP_per_capita	2.273	2.407	0.140	9.525	41
HDI_2018	0.723	0.120	0.463	0.935	41
Polity_Score	0.342	7.484	−10.000	10.000	38
FH_Total	38.929	25.155	0.000	96.000	42
Europe
Population	17.113	29.057	0.001	145.934	50
Area	46.462	230.347	0.000	1,637.687	50
GDP_per_capita	3.558	3.865	0.296	18.318	49
PPP_per_capita	3.778	2.128	0.843	11.342	46
HDI_2018	0.861	0.063	0.711	0.954	46
Polity_Score	7.927	4.233	−7.000	10.000	41
FH_Total	79.429	22.702	10.000	100.000	49
Oceania
Population	10.047	10.814	0.896	25.500	4
Area	210.431	372.291	1.827	768.230	4
GDP_per_capita	2.658	2.601	0.279	5.462	4
PPP_per_capita	2.757	2.198	0.417	5.000	4
HDI_2018	0.781	0.186	0.543	0.938	4
Polity_Score	7.250	3.202	4.000	10.000	4
FH_Total	79.000	20.801	60.000	97.000	4

　表としては同じ表であるが、Variable列の右側に垂直線が出力される。ちなみにこれによって、列番号がずれることはないので安心しよう。

セルの色分け

行・列のハイライト

　続いて、セルを色塗りする方法を紹介する。まず、gt()を使用し、df3の表を作成し、Population列からFH列までの値を小数点3桁までにする。作成した表はdf3_tblという名で格納し、出力してみよう。

df3_tbl <- df3 |>
  gt() |>
  fmt_number(columns = Population:FH, decimals = 3)

df3_tbl |>
  as_raw_html()

Continent	Population	Area	GDP	PPP	HDI	Polity	FH
Africa	24.561	54.444	0.251	0.567	0.553	2.479	41.574
America	28.736	108.161	1.253	1.810	0.742	6.926	71.917
Asia	107.300	70.198	1.317	2.273	0.723	0.342	38.929
Europe	17.113	46.462	3.558	3.778	0.861	7.927	79.429
Oceania	10.047	210.431	2.658	2.757	0.781	7.250	79.000

　まずは、特定の行を色塗りする方法を紹介する。使用する関数は{gtExtras}のgt_highlight_rows()関数である。必須引数はrowsであり、ここにハイライトしたい行の位置を指定する。たとえば、3行目をハイライトしたい場合はrows = 3とする。

df3_tbl |>
  gt_highlight_rows(rows = 3) |>
  as_raw_html()

Continent	Population	Area	GDP	PPP	HDI	Polity	FH
Africa	24.561	54.444	0.251	0.567	0.553	2.479	41.574
America	28.736	108.161	1.253	1.810	0.742	6.926	71.917
Asia	107.300	70.198	1.317	2.273	0.723	0.342	38.929
Europe	17.113	46.462	3.558	3.778	0.861	7.927	79.429
Oceania	10.047	210.431	2.658	2.757	0.781	7.250	79.000

　ハイライトの色と文字の太さはそれぞれfill（既定値は"#80BCD8"）とfont_weight（既定値は"bold"）引数で指摘できる。font_weightは"normal"、"bold"、"lighter"、"bolder"のように指定することも、1以上1000以下の数値で指定することもできる。

df3_tbl |>
  gt_highlight_rows(rows = 3, fill = "gray80", font_weight = "normal") |>
  as_raw_html()

Continent	Population	Area	GDP	PPP	HDI	Polity	FH
Africa	24.561	54.444	0.251	0.567	0.553	2.479	41.574
America	28.736	108.161	1.253	1.810	0.742	6.926	71.917
Asia	107.300	70.198	1.317	2.273	0.723	0.342	38.929
Europe	17.113	46.462	3.558	3.778	0.861	7.927	79.429
Oceania	10.047	210.431	2.658	2.757	0.781	7.250	79.000

　また、rows引数は行の番号でなく、条件式を使うこともできる。たとえば、HDI列の値が0.75以上の行をハイライトしたい場合はrows = (HID >= 0.75)のように指定する。()はなくても良いが、可読性が落ちるので入れておこう。

df3_tbl |>
  gt_highlight_rows(rows = (HDI >= 0.75)) |>
  as_raw_html()

Continent	Population	Area	GDP	PPP	HDI	Polity	FH
Africa	24.561	54.444	0.251	0.567	0.553	2.479	41.574
America	28.736	108.161	1.253	1.810	0.742	6.926	71.917
Asia	107.300	70.198	1.317	2.273	0.723	0.342	38.929
Europe	17.113	46.462	3.558	3.778	0.861	7.927	79.429
Oceania	10.047	210.431	2.658	2.757	0.781	7.250	79.000

　続いて列のハイライト方法を紹介する。使用する関数はgt_hightlight_cols()であり、これは以上にて紹介したgt_highlight_rows()と使い方は同じである。ただし、列を指定する引数がrowsでなく、columnsであることに注意すること。また、columns実引数として条件式は使用できない。以下はdf3_tblのPolity列からFH列までを"#ACB3CC"色にハイライトした例である。

df3_tbl |>
  gt_highlight_cols(columns = Polity:FH,
                    fill    = "#ACB3CC") |>
  as_raw_html()

Continent	Population	Area	GDP	PPP	HDI	Polity	FH
Africa	24.561	54.444	0.251	0.567	0.553	2.479	41.574
America	28.736	108.161	1.253	1.810	0.742	6.926	71.917
Asia	107.300	70.198	1.317	2.273	0.723	0.342	38.929
Europe	17.113