2013-02-10 26 views
6

में apsrtable (या stargazer) आउटपुट शामिल करें मैंने निम्नलिखित की तरह कोड का उपयोग करते हुए एक आरएमडी फ़ाइल में lm ऑब्जेक्ट का सारांश शामिल करने का प्रयास किया लेकिन यह काम नहीं किया। क्या आप मुझे ऐसा करने में मदद कर सकते हैं?एक आरएमडी फ़ाइल

```{r summary_lm, results='asis', echo=FALSE, comment=NA} 

library(apsrtable) 
my_model <- lm(y ~ x, data = data.frame(y = rnorm(10), x = 1:10)) 
res <- apsrtable(my_model) # my_model is a linear regression model (lm) 

cat("$$latex \n",res,"\n$$ \n") 

``` 

उत्तर

6

$$ वाक्य रचना केवल गणित अभिव्यक्ति पर लागू होता है, और आप इसे में एक मेज डाल करने के लिए है, जो काम नहीं करेगा कोशिश कर रहे थे। apsrtable, जहां तक ​​मैं समझता हूं, केवल लाटेक्स के लिए है, लेकिन लाटेक्स और मार्कडाउन बहुत अलग हैं - थोड़ी उम्मीद है कि आप मार्कटेक के साथ लाटेक्स को पूरी तरह से फिर से कर सकते हैं। मुझे लगता है कि लोगों ने मार्कडाउन के लिए $$ सिंटैक्स का आविष्कार किया क्योंकि इस तथ्य के कारण कि यह मैथजेक्स द्वारा समर्थित है, और यह भी ध्यान दें कि मूल मार्कडाउन के आधार पर कई प्रकार/स्वाद हैं।

फिलहाल आप विचार कर सकते हैं:

  • xtable या ascii या R2HTML पैकेज का उपयोग HTML तालिकाओं उत्पन्न करने के लिए
  • अनुरोध apsrtable के पैकेज लेखक HTML तालिकाओं का समर्थन करने के
3

के बारे में क्या my_model`pander˙ के साथ मार्कडाउन प्रारूप में:

> library(pander) 
> pander(my_model) 

-------------------------------------------------------------- 
    &nbsp;  Estimate Std. Error t value Pr(>|t|) 
----------------- ---------- ------------ --------- ---------- 
     **x**   0.1174  0.1573  0.7465  0.4767 

**(Intercept)** -0.2889  0.9759  -0.296  0.7748 
-------------------------------------------------------------- 

Table: Fitting linear model: y ~ x 

या पीएचपी MarkdownExtra/rmarkdown प्रारूप में:

> panderOptions('table.style', 'rmarkdown') 
> pander(my_model) 


|  &nbsp;  | Estimate | Std. Error | t value | Pr(>|t|) | 
|:-----------------:|:----------:|:------------:|:---------:|:----------:| 
|  **x**  | 0.1174 | 0.1573 | 0.7465 | 0.4767 | 
| **(Intercept)** | -0.2889 | 0.9759 | -0.296 | 0.7748 | 

Table: Fitting linear model: y ~ x