Regrouper des variables par proportion

Bien souvent, vous n'avez pas des modalités précises à renommer ou à regrouper. Vous voulez plutôt conserver les modalités les plus fréquentes et placer toutes les autres dans « Other ». C'est particulièrement utile lorsqu'il y a beaucoup de modalités et que la plupart sont rares, pour mieux présenter vos données. Mettons cela en pratique avec la question du sondage Kaggle sur les méthodes de machine learning que les gens souhaitent essayer l'an prochain. multiple_choice_responses a été chargé pour vous. Lorsque vous faites le dénombrement, rappelez-vous que sort = TRUE correspond par défaut à un ordre décroissant.

Cette activité fait partie du cours

Données catégorielles dans le tidyverse

Voir le cours

Instructions de l’exercice

Retirez les personnes qui n'ont sélectionné aucune méthode.
Créez une nouvelle variable, ml_method, à partir de MLMethodNextYearSelect qui conserve les intitulés ayant au moins 5 % des répondants et regroupe le reste sous « Other » (valeur par défaut).
Enfin, dénombrez votre nouvelle variable, triée par ordre décroissant.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

multiple_choice_responses %>%
  # Remove NAs of MLMethodNextYearSelect
  filter(___) %>%
  # Create ml_method, which lumps all those with less than 5% of people into "Other"
  mutate(ml_method = ___(MLMethodNextYearSelect, ___)) %>%
  # Count the frequency of your new variable, sorted in descending order
  ___(___, ___)

Modifier et exécuter le code