SAS 相对于 R 的一大优势可以说是它能够用很少的语句生成相当复杂的报告。想想PROC SUMMARY或PROC TABULATE例如。
由于它的开放性和充满活力的社区，我的心向往 R。但我必须承认，SAS 的 PROCS 开箱即用非常强大。为了部分解决这些问题，我编写了一个名为summarytools的 R 包，它提供了生成体面的外观和可翻译的方法（感谢 pander，Pandoc在 R 中实现）简单的报告（频率、单变量统计、码本，对于基本部分）到各种格式，如 RTF 、pdf 和降价。
然而，即使使用by()来对统计数据进行分层（无论是频率还是单变量数值统计），我觉得我仍然距离生成灵活和完整的表格（例如 withPROC TABULATE或）还有很长的路要走PROC MEANS。所以我的问题是：你发现什么 R 包是从数据帧中提取基本统计数据、拆分这个变量并过滤另一个变量的“必须”包。我希望这不是一个太宽泛的问题；在发布到这里之前，我已经做了功课并尝试找到这个问题的答案。我确信有一些非常制作精良的软件包可以解决这些问题，而我只是还没有看到它们……还没有。
R 的问题在于，有很多方法可以构建出色的报告，并且有很多 R 包对这项任务有帮助。一种方法虽然已经过时，但在http://biostat.mc.vanderbilt.edu/wiki/pub/Main/StatReport/summary.pdf中显示。请注意，那里的一些功能已经更新，如http://biostat.mc.vanderbilt.edu/HmiscNew [并真正注意tabulr功能]。该方法围绕，我相信您会发现对于生成高级表格（包括包含显微图形和脚注的表格），比该方法具有许多优势。markdown-pandoc
但我认为我们应该用图形替换几乎所有的表格。新的 R greport（“图形报告”）包采用图形应该用于主要演示文稿的理念，并且图形应该超链接到出现在 pdf 报告附录中的支持表格。见http://biostat.mc.vanderbilt.edu/Greport。greport使用Hmisc包中的新函数来绘制分类数据（即，将表格转换为图表）和显示连续变量的整体分布。
似乎按变量报告和过滤/拆分数据是两个正交任务。人们通常为这些使用不同的软件包。
对于管理数据，很少有真正流行的包：dplyr和data.table。
对于报告表，一个对我来说很突出的软件包是stargazer
以下是一些演示：http ://cran.r-project.org/web/packages/stargazer/vignettes/stargazer.pdf
它涵盖了乳胶和html（以及ASCII，但没有使用过）。
我从未使用过 SAS，所以我不知道这是否会涵盖您想要的所有功能。
2020 年发布了记者包，其运作方式与proc report. 您可以使用其他 R 包获取所需的数据和统计信息，然后将生成的数据帧发送到报告器。像这样：
library(reporter)
# Create temporary path
tmp <- file.path(tempdir(), "example3.pdf")
# Read in prepared data
df <- read.table(header = TRUE, text = '
var label A B
"ampg" "N" "19" "13"
"ampg" "Mean" "18.8 (6.5)" "22.0 (4.9)"
"ampg" "Median" "16.4" "21.4"
"ampg" "Q1 - Q3" "15.1 - 21.2" "19.2 - 22.8"
"ampg" "Range" "10.4 - 33.9" "14.7 - 32.4"
"cyl" "8 Cylinder" "10 ( 52.6%)" "4 ( 30.8%)"
"cyl" "6 Cylinder" "4 ( 21.1%)" "3 ( 23.1%)"
"cyl" "4 Cylinder" "5 ( 26.3%)" "6 ( 46.2%)"')
# Create table
tbl <- create_table(df, first_row_blank = TRUE) %>%
stub(c("var", "label")) %>%
define(var, blank_after = TRUE, label_row = TRUE,
format = c(ampg = "Miles Per Gallon", cyl = "Cylinders")) %>%
define(label, indent = .25) %>%
define(A, label = "Group A", align = "center", n = 19) %>%
define(B, label = "Group B", align = "center", n = 13)
# Create report and add content
rpt <- create_report(tmp, orientation = "portrait", output_type = "PDF") %>%
page_header(left = "Client: Motor Trend", right = "Study: Cars") %>%
titles("Table 1.0", "MTCARS Summary Table") %>%
add_content(tbl) %>%
footnotes("* Motor Trend, 1974") %>%
page_footer(left = Sys.time(),
center = "Confidential",
right = "Page [pg] of [tpg]")
# Write out report
write_report(rpt)
报告可以文本、RTF 或 PDF 格式输出。这是PDF版本：
这个包的优点是您可以创建几乎任何类型的报告。这将需要比table1或更多的工作stargazer。但由于它只生成报告，并不尝试生成统计信息，因此您可以自由使用任何 R 统计包。所以更多的工作，但更多的自由。