Les nouveautés de flextable 0.9.11

Intégration avec patchwork

Combiner et aligner un tableau et un graphique est devenu possible grâce à ‘patchwork’ qui offre un système sur lequel s’appuyer. C’est bien sûr ce dernier que s’appuie la nouvelle fonction wrap_flextable() qui va permettre que les objets flextable s’intègrent dans les compositions patchwork via les opérateurs +, | et /.

Les options sont détaillées dans la section Plotting flextable du “flextable-book”.

Pour illustrer, nous construisons un graphique “dumbbell” des statistiques de la Bundesliga accompagné d’un flextable (adapté de R Graph Gallery).

dataset <- data.frame(
  team = c(
    "FC Bayern Munchen", "SV Werder Bremen", "Borussia Dortmund",
    "VfB Stuttgart", "Borussia M'gladbach", "Hamburger SV",
    "Eintracht Frankfurt", "FC Schalke 04", "1. FC Koln",
    "Bayer 04 Leverkusen"
  ),
  matches = c(2000, 1992, 1924, 1924, 1898, 1866, 1856, 1832, 1754, 1524),
  won     = c(1206,  818,  881,  782,  763,  746,  683,  700,  674,  669),
  lost    = c( 363,  676,  563,  673,  636,  625,  693,  669,  628,  447)
)
dataset$win_pct  <- dataset$won  / dataset$matches * 100
dataset$loss_pct <- dataset$lost / dataset$matches * 100
dataset$team <- factor(dataset$team, levels = rev(dataset$team))

Le graphique “dumbbell” :

pal <- c(lost = "#EFAC00", won = "#28A87D")
df_long <- reshape(dataset, direction = "long",
  varying = list(c("loss_pct", "win_pct")),
  v.names = "pct", timevar = "type",
  times = c("lost", "won"), idvar = "team"
)

p <- ggplot(df_long, aes(x = pct / 100, y = team)) +
  stat_summary(
    geom = "linerange", fun.min = "min", fun.max = "max",
    linewidth = .7, color = "grey60"
  ) +
  geom_point(aes(fill = type), size = 4, shape = 21,
    stroke = .8, color = "white"
  ) +
  scale_x_continuous(
    labels = scales::percent,
    expand = expansion(add = c(.02, .02))
  ) +
  scale_y_discrete(name = NULL, guide = "none") +
  scale_fill_manual(
    values = pal,
    guide = FALSE
  ) +
  labs(x = NULL, fill = NULL) +
  theme(
    legend.position = "top",
    legend.justification = "left",
    panel.grid.minor = element_blank(),
    panel.grid.major.y = element_blank()
  )
p

Et le flextable correspondant :

ft_dat <- dataset[, c("matches", "loss_pct", "win_pct", "team")]
ft_dat$team <- as.character(ft_dat$team)

ft <- flextable(ft_dat) |>
  border_remove() |>
  bold(part = "header") |> 
  colformat_double(j = c("win_pct", "loss_pct"), digits = 1, suffix = "%") |>
  set_header_labels(team = "Equipe", matches = "MJ", win_pct = "Gagnés", loss_pct = "Perdus") |>
  color(color = c("#28A87D", "#EFAC00"), j = c("win_pct", "loss_pct")) |>
  italic(j = "team", italic = TRUE, part = "all") |>
  align(align = "right", part = "all") |>
  autofit()

ft

wrap_flextable(ft, flex_body = TRUE, just = "right") +
  p +
  plot_layout(widths = c(1.3, 2))

cyl_mpg <- mtcars |> 
  mutate(
    cyl = factor(cyl, levels = c(4, 6, 8), labels = c("4-cyl", "6-cyl", "8-cyl"))
  ) |> 
  summarise(
    `mpg mean` = mean(mpg, na.rm = TRUE),
    `mpg sd` = sd(mpg, na.rm = TRUE),
    n = n(),
    .by = c(cyl)
  )

gg_bar <- ggplot(cyl_mpg, aes(cyl, `mpg mean`)) +
  geom_col(fill = "#28A87D", width = 0.7) +
  labs(x = "Cylindres", y = "MPG moyen") +
  theme(axis.text.x = element_blank())
  

cyl_pivoted <- cyl_mpg |> 
  pivot_longer(
    cols = where(is.numeric)
  ) |> 
  pivot_wider(
    id_cols = name,
    names_from = cyl, values_from = value,
    names_sort = TRUE
  )
cyl_pivoted

#> # A tibble: 3 × 4
#>   name     `4-cyl` `6-cyl` `8-cyl`
#>   <chr>      <dbl>   <dbl>   <dbl>
#> 1 mpg mean   26.7    19.7    15.1 
#> 2 mpg sd      4.51    1.45    2.56
#> 3 n          11       7      14

set_flextable_defaults(border.color = "#28A87D")
ft_cyl <- flextable(cyl_pivoted) |>
  set_header_labels(name = "") |> 
  align(align = "center", part = "all") |>
  align(align = "right", j = 1, part = "all") |>
  colformat_double(i = 1:2, digits = 2) |> 
  colformat_double(i = 3, digits = 0) |> 
  autofit()
ft_cyl

wrap_flextable(ft_cyl, n_row_headers = 1, flex_cols = TRUE) /
  gg_bar +
  plot_layout(heights = c(1, 4))

Quarto markdown dans les cellules

‘flextable’ ne permettait pas jusqu’alors l’utilisation du markdown dans les cellules, avec comme conséquences que les cross-références, formules mathématiques, liens n’étaient pas supportés au sein d’un document quarto. La nouvelle fonction as_qmd() comble ce manque.

as_qmd() fonctionne avec les sorties HTML, PDF et Word.

Pour l’utiliser dans un projet Quarto, il faut d’abord installer le filtre Lua compagnon avec use_flextable_qmd(), puis déclarer le filtre dans le YAML du document :

filters:
  - flextable-qmd
  - at: post-render
    path: _extensions/flextable-qmd/unwrap-float.lua

Voici un exemple de document Quarto qui utilise as_qmd() pour des cross-références et du formatage markdown dans les cellules :

---
title: "Exemple flextable-qmd"
format: docx
filters:
  - flextable-qmd
  - at: post-render
    path: _extensions/flextable-qmd/unwrap-float.lua
---

Voir le @tbl-example pour un apercu.

```{r}
#| label: tbl-example
#| tbl-cap: Tableau avec du markdown Quarto dans les cellules
library(flextable)

dat <- data.frame(
  Fonctionnalite = c("Cross-ref", "Gras", "Maths", "Lien"),
  Demo = c(
    "Voir @tbl-example",
    "**texte important**",
    "$E = mc^2$",
    "[ardata.fr](https://www.ardata.fr)"
  ),
  stringsAsFactors = FALSE
)

flextable(dat) |>
  mk_par(j = "Demo",
    value = as_paragraph(as_qmd(Demo))) |>
  autofit() |>
  theme_vanilla()
```

Le résultat dans un document Word :

.

Le fichier produit est téléchargeable ici : quarto-as-qmd-fr.docx

N’hésitez pas à essayer ces nouvelles fonctionnalités.

Pour la liste complète des changements, consultez le changelog.