Rで数値をパーセンテージとしてフォーマットする方法は？

Rの新人として私を困惑させるために使用されていたものの1つは、数値を印刷用のパーセンテージとしてフォーマットする方法でした。

たとえば、と表示0.12345し12.345%ます。これにはいくつかの回避策がありますが、「新参者に優しい」とは思えません。例えば：

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%"

質問：これを行うためのベースR関数はありますか？または、便利なラッパーを提供する広く使用されているパッケージはありますか？

この中のようなものを探しにもかかわらず?format、?formatCそして?prettyNum、私はR.をベースに適切に便利なラッパーを見つけるには至っていない ??"percent"便利なものは得られませんでした。 library(sos); findFn("format percent")は1250ヒットを返します。そのため、やはり役に立ちません。 ggplot2には機能percentがありますが、丸めの精度を制御できません。

さらに後で：

@DzimitryMによって指摘されたように、古い関数の同義語であるをpercent()支持して「廃止されました」。label_percent()percent_format()

label_percent() 関数を返すので、それを使用するには、追加の括弧のペアが必要です。

library(scales)
x <- c(-1, 0, 0.1, 0.555555, 1, 100)
label_percent()(x)
## [1] "-100%"   "0%"      "10%"     "56%"     "100%"    "10 000%"

括弧の最初のセット内に引数を追加して、これをカスタマイズします。

label_percent(big.mark = ",", suffix = " percent")(x)
## [1] "-100 percent"   "0 percent"      "10 percent"    
## [4] "56 percent"     "100 percent"    "10,000 percent"

数年後のアップデート：

最近では、krlmlrの回答に記載さpercentれているように、scalesパッケージに関数があります。手巻きのソリューションの代わりにそれを使用してください。

のようなものを試してください

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

使用法で、例えば、

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

（必要に応じて、形式をから"f"に変更します"g"。）

scalesパッケージをチェックしてください。以前はの一部だったggplot2と思います。

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

精度を検出するための組み込みロジックは、ほとんどの場合に十分に機能するはずです。

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%"

パッケージpercentから関数をチェックしてくださいformattable：

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

私はこれらの回答の速度を評価するためにいくつかのベンチマークを実行しpercentましたが、scalesパッケージが遅いことを考えると、このパッケージが非常に宣伝されていることに驚いていました。適切なフォーマットのための自動検出機能が利点だと思いますが、データがどのように見えるかを知っていれば、回避するのは明らかなようです。

以下は、（0,1）の100,000パーセントのリストを2桁のパーセントにフォーマットしようとした結果です。

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()

したがってsprintf、パーセント記号を追加したい場合は、明らかに勝者として浮上します。一方、数値を乗算して丸めるだけの場合（「％」を使用せずに比率からパーセントに移動する場合）round()が最も高速です。

# 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()

この操作だけのために、scalesパッケージを使用できます（requireやライブラリを使用せずに）

scales::percent(m)

新しい関数を定義するための私の解決策は次のとおりです（ほとんどの場合、CurryとComposeで遊ぶことができます:-)）。

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

scalable::percentすでに最も遅いことが示されていて、Liliana Pachecoが別のソリューションを提供しているのを見て、私は先に進み、Michaelセットの例に基づいて他のいくつかのオプションに対してベンチマークを試みました：

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())

これらは私が得た結果です：

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

でも、私は見当がつかない、なぜ私krlmlr()とandrie1()そうMichaelChiricoの例よりもはるかに悪い行きました。手がかりはありますか？

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)
}

この関数は、列ごとにデータをパーセンテージに変換できます

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)
}

tidyverseバージョンはこれです：

> library(tidyverse)

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

> dt %>% mutate(perc=scales::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%

いつものようにきれいに見えます。