Regroupement hiérarchique : préparation à l'exploration

Vous avez maintenant créé un regroupement possible pour les données oes. Avant de pouvoir explorer ces groupes avec ggplot2, vous devez transformer la matrice de données oes en un cadre de données propre (tidy) où chaque profession se voit attribuer son groupe (cluster).

Cette activité fait partie du cours

Analyse de regroupements dans R

Voir le cours

Instructions de l’exercice

Créez le cadre de données df_oes à partir de la data.matrix oes, en veillant à conserver le nom de ligne comme colonne (utilisez rownames_to_column() de la bibliothèque tibble).
Construisez le vecteur d'attribution des groupes cut_oes avec cutree() et h = 100,000.
Ajoutez les attributions de groupes comme colonne cluster au cadre de données df_oes et enregistrez le résultat dans un nouveau cadre de données nommé clust_oes.
Utilisez la fonction pivot_longer() de la bibliothèque tidyr() pour remodeler les données dans un format adapté à l'analyse avec ggplot2 et enregistrez le cadre de données ainsi préparé sous le nom gathered_oes.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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" )

Modifier et exécuter le code