Get formatted flextable of items with largest deviation from comparison group

Usage

rub_table_item(df)

Arguments

df: Data frame

Value

Formatted Flextable

Illustrations

Examples

# Example data
df_item <- data.frame(
  stringsAsFactors = FALSE,
  figure_caption = c(
    "Beurteilung der Studienangebote und -bedingungen - Kontakte","Fachbezogene Englischkenntnisse",
    "Fachbezogene Englischkenntnisse","Auslandsaufenthalt w\u00E4hrend des Studiums",
    "Beurteilung der Pr\u00FCfungssituation",
    "Beurteilung der Studienangebote und -bedingungen - Kontakte",
    "Beurteilung der Studienangebote und -bedingungen - Struktur des Studiums",
    "Beurteilung der Studienangebote und -bedingungen - Kontakte"
  ),
  facet = c(
    "Kontakte zu Lehrenden","Vorbereitung auf englischsprachige Fachkommunikation",
    "Vorbereitung auf den Umgang mit englischsprachiger Literatur",
    "Auslandsaufenthalt w\u00E4hrend des Studiums",
    "Ausgewogenheit der Pr\u00FCfungsformen (Klausur, Hausarbeit, Projekte, etc.).",
    "Kontakte zu Mitstudierenden",
    "Zugang zu erforderlichen Lehrveranstaltungen (z. B. Seminare, \u00DCbungen)",
    "Kontakte zu Lehrenden"
  ),
  y = c(
    "Bachelor 2-F\u00E4cher","Bachelor 2-F\u00E4cher","Bachelor 2-F\u00E4cher",
    "Bachelor 2-F\u00E4cher","Master of Education","Master of Education","Master of Education",
    "Master of Education"
  ),
  aggregation_sort_1 = c(
    2, 2, 2, 2, 55, 55, 55, 55
  ),
  mean = c(
    1.71428571428571,4.19148936170213,3.9375,1.78,1.65,1.38095238095238,1.76190476190476,
    1.85714285714286
  ),
  sd = c(
    0.816496580927726,0.924034110803191,1.13748977082144,0.41845195759648,0.875093979915421,
    0.669043382464133,0.830948969838817,0.963624111659432
  ),
  mean_fgr = c(
    2.34067207415991,3.4128157732594,3.15811965811966,1.5090395480226,2.69263157894737,
    2.29400386847195,2.67251461988304,2.56031128404669
  ),
  sd_fgr = c(
    1.08899230654153,1.38010646489644,1.43054364002476,0.500059559613556,1.08996594469921,
    1.07770878477964,1.07799587645275,1.12444948643891
  ),
  mean_delta = c(
    0.626386359874193,0.778673588442731,0.779380341880342,0.270960451977401,1.04263157894737,
    0.913051487519573,0.910609857978279,0.703168426903835
  ),
  distance = c(
    0.575198149804654,0.564212695359818,0.544814097294407,0.541856358444179,0.956572619555646,
    0.84721540773769,0.844724806345951,0.625344611193467
  )
)

# Function call
rub_table_item(
  df = df_item
)
#> a flextable object.
#> col_keys: `y`, `figure_caption`, `facet`, `mean`, `mean_fgr`, `distance` 
#> header has 2 row(s) 
#> body has 8 row(s) 
#> original dataset sample: 
#>                     y
#> 1   Bachelor 2-Fächer
#> 2   Bachelor 2-Fächer
#> 3   Bachelor 2-Fächer
#> 4   Bachelor 2-Fächer
#> 5 Master of Education
#>                                                figure_caption
#> 1 Beurteilung der Studienangebote und -bedingungen - Kontakte
#> 2                             Fachbezogene Englischkenntnisse
#> 3                             Fachbezogene Englischkenntnisse
#> 4                     Auslandsaufenthalt während des Studiums
#> 5                           Beurteilung der Prüfungssituation
#>                                                                      facet
#> 1                                                    Kontakte zu Lehrenden
#> 2                     Vorbereitung auf englischsprachige Fachkommunikation
#> 3             Vorbereitung auf den Umgang mit englischsprachiger Literatur
#> 4                                  Auslandsaufenthalt während des Studiums
#> 5 Ausgewogenheit der Prüfungsformen (Klausur, Hausarbeit, Projekte, etc.).
#>       mean mean_fgr  distance
#> 1 1.714286 2.340672 0.5751981
#> 2 4.191489 3.412816 0.5642127
#> 3 3.937500 3.158120 0.5448141
#> 4 1.780000 1.509040 0.5418564
#> 5 1.650000 2.692632 0.9565726