Hierarchické shlukování: Příprava na průzkum

Právě jsi vytvořil/a potenciální shlukování pro data oes. Než budeš moct tyto shluky prozkoumat pomocí ggplot2, je potřeba převést datovou matici oes do přehledného datového rámce, kde má každá profese přiřazený svůj shluk.

Toto cvičení je součástí kurzu

Cluster Analysis v R

Zobrazit kurz

Pokyny k cvičení

Z datové matice oes vytvoř datový rámec df_oes – nezapomeň uložit názvy řádků jako sloupec (použij funkci rownames_to_column() z knihovny tibble).
Pomocí funkce cutree() s parametrem h = 100,000 sestav vektor přiřazení shluků cut_oes.
Přidej přiřazení shluků jako sloupec cluster do datového rámce df_oes a výsledek ulož do nového datového rámce s názvem clust_oes.
Pomocí funkce pivot_longer() z knihovny tidyr() přetvoř data do formátu vhodného pro analýzu v ggplot2 a výsledný upravený datový rámec ulož jako gathered_oes.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

dist_oes <- dist(oes, method = 'euclidean')
hc_oes <- hclust(dist_oes, method = 'average')

library(tibble)
library(tidyr)

# Use rownames_to_column to move the rownames into a column of the data frame
df_oes <- rownames_to_column(as.data.frame(___), var = 'occupation')

# Create a cluster assignment vector at h = 100,000
cut_oes <- cutree(___, h = ___)

# Generate the segmented oes data frame
clust_oes <- mutate(___, cluster = ___)

# Create a tidy data frame by gathering the year and values into two columns
gathered_oes <- pivot_longer(data = ___, 
                       cols = -c(occupation, cluster),
                       names_to = "year",               
                       values_to = "mean_salary" )

Upravit a spustit kód