08-tablas.Rmd

# Tablas

Por defecto, la forma en que R Markdown muestra tablas es bastante feo porque muestra lo que verías si corrieras el código en la consola.

```{r, include = FALSE}
library(dplyr)
library(tidyr)
library(lubridate)

parques_ancho <- readr::read_csv("datos/parques_ancho.csv")

parques_largo <- parques_ancho %>% 
  pivot_longer(cols = -c("indice_tiempo", "residentes", "no_residentes", "total"),
               names_to = "region_visitante",
               values_to = "valor") %>% 
  mutate(region_visitante = stringr::str_replace(region_visitante, "buenos_aires*", "buenos-aires"),
         region_visitante = stringr::str_replace(region_visitante, "no_residentes", "noresidentes")) %>% 
  separate(region_visitante, into = c("region", "tipo_visitante"), sep = "_") %>% 
  select(-c("residentes", "no_residentes", "total"))

parques_resumen <-  parques_largo %>% 
  mutate(indice_tiempo = ym(indice_tiempo)) %>% 
  group_by(anio = year(indice_tiempo), region, tipo_visitante) %>%  
  summarise(valor = mean(valor)) %>% 
  filter(region %in% c("cordoba", "cuyo", "patagonia"), 
         anio >= 2020) %>% 
  pivot_wider(names_from = "tipo_visitante", values_from = "valor")
```

```{r, eval = FALSE}
library(dplyr)
library(tidyr)
library(lubridate)

parques_ancho <- readr::read_csv("http://datos.yvera.gob.ar/dataset/458bcbe1-855c-4bc3-a1c9-cd4e84fedbbc/resource/78aea6ed-761c-4659-bdf2-7fcb0f616fad/download/serie-tiempo-parques-nacionales-mensual.csv")

parques_largo <- parques_ancho %>% 
  pivot_longer(cols = -c("indice_tiempo", "residentes", "no_residentes", "total"),
               names_to = "region_visitante",
               values_to = "valor") %>% 
  mutate(region_visitante = stringr::str_replace(region_visitante, "buenos_aires*", "buenos-aires"),
         region_visitante = stringr::str_replace(region_visitante, "no_residentes", "noresidentes")) %>% 
  separate(region_visitante, into = c("region", "tipo_visitante"), sep = "_") %>% 
  select(-c("residentes", "no_residentes", "total"))

parques_resumen <-  parques_largo %>% 
  mutate(indice_tiempo = ym(indice_tiempo)) %>% 
  group_by(anio = year(indice_tiempo), region, tipo_visitante) %>%  
  summarise(valor = mean(valor)) %>% 
  filter(region %in% c("cordoba", "cuyo", "patagonia"), 
         anio >= 2020) %>% 
  pivot_wider(names_from = "tipo_visitante", values_from = "valor")
```

```{r}
parques_resumen
```


## Tablas simples con `kable`

Existen varios paquetes para mostrar tablas lindas pero una forma simple y sin vueltas es usando la función `kable()` del paquete **knitr**.
Sólo usando esta función ya devuelve una tabla con un diseño más limpio y acabado:

```{r}
library(knitr)
kable(parques_resumen)
```

La mayoría de las veces, el nombre de las columnas que queremos mostrar no va a ser igual que el nombre de las columnas en R.
En la tabla `parques_resumen`, los nombres están en minúscula, sin espacios y sin "caracteres especiales" como "ñ".
Esto es útil para comunicarse con R, pero no está bueno para comunicarse con otras personas.
El argumento `col.names` permite especificar el nombre de las columnas para mostrar:

```{r}
kable(parques_resumen, 
      col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"))
```

En Español, en general usamos la coma para separar los decimales y el punto como separador de miles.
Además, esta tabla tiene el problema de la precisión innecesaria: ¿realmente tiene sentido reportar el promedio de visitantes con 5 decimales?
Para eso, hay que modificar el argumento `format.args` de esta manera:

```{r}
kable(parques_resumen, 
      col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
      format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))
```
En esta llamada hay varios elementos que son parte del argumento `format.args`: 

-  `decimal.mark = ","`: usar la coma para la marca de decimales, 
-  `big.mark = "."`: usar el punto para separador de miles, 
-  `digits = 1`: redondear todo a 1 cifra significativa,
-  `scientific = FALSE`: no usar notación científica. 


Uff... pero ponerle el punto de miles a los años queda raro.
La solución es convertir la columna `anio` en caracter.
De esta manera, no se ve afectada por el formato numérico.

```{r}
parques_resumen %>% 
  mutate(anio = as.character(anio)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))
```

Un detalle final podría ser convertir en mayúsculas los nombres de las regiones. 
Para eso se puede usar la función `str_to_sentence()` del paquete **stringr**. 


```{r}
parques_resumen %>% 
  mutate(anio = as.character(anio),
         region = stringr::str_to_sentence(region)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))
```


`kable` es una función diseñada para ser simple y hacer pocas cosas, para hacer cosas un poco mas complicadas está el paquete **kableExtra**.

## Supertablas con kableExtra

El paquete kableExtra, como su nombre lo indica, nació para extender el poder de la función `kable()`.

```{r message=FALSE}
library(kableExtra)  # instalar con install.packages("kableExtra")
```

Primero, guardamos la tabla anterior para editarla con las operaciones de kableExtra. 

```{r}
parques_tabla <- parques_resumen %>% 
  mutate(anio = as.character(anio),
         region = stringr::str_to_sentence(region)) %>% 
  kable(col.names = c("Año", "Región", "No Residentes", "Residentes", "Total"),
        format.args = list(decimal.mark = ",", big.mark = ".", digits = 1, scientific = FALSE))
```

La primera columna de la tabla de arriba es un tanto redundante.
Sería mejor agrupar las filas según el año.
Esto se consigue con la función `collapse_rows()`:

```{r}
parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>% 
  kable_styling() 
```

El primer argumento es el número de la columna que queremos agrupar.
En este caso, la columna `anio` es la primera.
El segundo argumento es la alineación vertical.
Por defecto, `collapse_rows()` pone las etiquetas en el centro, pero la convención más general es ponerlas arriba.

¿Qué es esa `kable_styling()`?
kableExtra permite cambiar el estilo de las tablas muy fácilmente.
`kable_styling()` es el estilo por defecto, que es igual al que produce `kable()`, pero existen muchos otros.
Si viste tablas hechas en LaTeX, quizás este estilo te resulte familiar:

```{r}
parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>% 
  kable_classic_2()
```

La función `column_spec()` permite cambiar los parámetros gráficos de una o más columnas.
En este caso cambiamos la segunda columna (`column = 2`) para que las palabras aparezcan italizadas (`italic = TRUE`):

```{r}
parques_tabla %>% 
  column_spec(column = 2, italic = TRUE) %>%
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling() 
```

Lo notable de `column_spec()` es que en sus argumentos se pueden poner vectores de manera de generar formato condicional.
Para resaltar con negrita el año 2021:

```{r}
parques_tabla %>% 
  column_spec(column = 1, bold = (parques_resumen$anio == 2021)) %>%
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling() 
```

Conviene detenerse para mirar un poco con detalle el código.
La llamada a `column_spec()` está cambiando el formato de la columna 1.
En particular, va a determinar si el texto está en negrita (bold) o no.
Y la forma para determinarlo es el vector `parques_resumen$anio == 2021`.
¿Qué es ese vector?

```{r}
parques_resumen$anio == 2021
```

Por lo tanto, `column_spec(column = 1, bold = (parques_resumen$anio == 2021))` va a hacer que las tres últimas filas de la columna uno estén en negrita, y las demás no.
Luego, `collapse_rows()` colapsa las filas según el año y entonces esas tres últimas filas se transforman en una.

En este caso el órden de las operaciones es importante. 
Si primero colapsamos y luego damos formato, el resultado no es el esperado:

```{r}
parques_tabla %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  column_spec(column = 1, bold = (parques_resumen$anio == 2021)) %>%
  kable_styling() 
```

Esto da un montón de flexibilidad en el estilo del texto.
Por ejemplo, se puede hacer que el color del texto cambie según el valor usando `column_spec()` y `spec_color()`.

```{r}
parques_tabla %>% 
  column_spec(5, color = spec_color(parques_resumen$total)) %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling() 
```

La función nueva, `spec_color()`, genera colores a partir de un vector.
Podés ver cómo funciona en esta linea:

```{r}
spec_color(parques_resumen$total)
```

Esos números son representaciones en hexadecimal de los colores que ves en la tabla.

```{r}
scales::show_col(spec_color(parques_resumen$total))
```

Así como se puede cambiar el estilo de las columnas con `column_spec()`, se puede cambiar el estilo de las filas con `row_spec()`.
Por ejemplo, se puede resaltar cada 2 líneas con este código:

```{r}
parques_tabla %>% 
  row_spec(row = seq(2, nrow(parques_resumen), by = 2), background = "aquamarine") %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling() 
```

`row_spec()` está cambiando el fondo (background) al color "aquamarine" (que es ese turquesa [●]{style="color:`r rgb(t(col2rgb("aquamarine"))/255)`"}) a las filas indicadas por `seq(2, nrow(paises_seleccion), by = 2)`.
¿Qué es eso?
`seq()` genera una secuencia (de **seq**uence) de números empezando en 2, terminando en la cantidad de filas de `parques_resumen` y saltando de a dos.
En resumen:

```{r}
seq(2, nrow(parques_resumen), by = 2)
```

Como caso especial, se puede usar `row = 0` en `row_spec()` para cambiar el formato del encabezado.

```{r}
parques_tabla %>% 
  row_spec(row = 0, underline = TRUE) %>% 
  collapse_rows(columns = 1, valign = "top")  %>%
  kable_styling() 
```