Как отформатировать число в процентах в R?

Ответ 1

Обновление через несколько лет:

В настоящее время в пакете scales есть percent, как описано в krlmlr ответ. Используйте это вместо моего ручного решения.

Попробуйте что-нибудь вроде

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

С использованием, например,

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

(Если вы предпочитаете, измените формат с "f" на "g".)

Ответ 2

Посмотрите scales. Думаю, что это была часть ggplot2.

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

Встроенная логика для определения точности должна работать достаточно хорошо для большинства случаев.

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%"

Ответ 3

Проверьте percent функцию из пакета formattable:

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

Ответ 4

Я сделал некоторый бенчмаркинг для скорости ответов на эти ответы и был удивлен, увидев percent в пакете scales, так рекламировался, учитывая его медлительность. Я полагаю, что преимущество заключается в его автоматическом детекторе для правильного форматирования, но если вы знаете, как выглядят ваши данные, кажется очевидным, что этого избежать.

Вот результаты отформатирования списка из 100 000 процентов в (0,1) до процента в 2-х цифрах:

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()

Итак, sprintf становится явным победителем, когда мы хотим добавить знак процента. С другой стороны, если мы хотим только умножить число и округлить (перейти от пропорции к проценту без "%", то round() будет самым быстрым:

# 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()

Ответ 5

Здесь мое решение для определения новой функции (в основном, я могу играть с Curry и Compose:-)):

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

Ответ 6

Увидев, как scalable::percent уже показалось самым медленным, и Лилиана Пачеко предложила другое решение, я пошел дальше и попытался сравнить его с некоторыми другими вариантами, основанными на примере Michael set:

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())

Вот те результаты, которые я получил:

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

Я понятия не имею, почему мои krlmlr() и andrie1() выполнялись намного хуже, чем в примере MichaelChirico. Любые подсказки?

Ответ 7

Вы можете использовать пакет весов только для этой операции (без загрузки его с требованием или библиотекой)

scales::percent(m)

Ответ 8

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)
}

Ответ 9

Эта функция может преобразовывать данные в проценты по столбцам

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)
}