比率でカテゴリをまとめる
特定のレベルを「その他」に変える、あるいは結合したいと決めていないこともよくあります。むしろ、最もよく現れるレベルを残し、それ以外はすべて「other」にまとめたい場合があります。とくにレベル数が多く、その大半がまれなとき、可視化にとても役立ちます。ここでは、Kaggle のアンケートで「来年試してみたい Machine Learning 手法」についての質問を使って試してみます。multiple_choice_responses は読み込まれています。集計するときは、sort = TRUE はデフォルトで降順になることを思い出してください。
この演習はコースの一部です
tidyverse で学ぶカテゴリ型データ
演習の手順
- 手法を選択していない回答者を除外します。
MLMethodNextYearSelectから新しい変数ml_methodを作成し、回答者の少なくとも 5% が選んだタイトルは保持し、それ以外はデフォルト値の "Other" にまとめます。- 最後に、新しい変数を降順で並べ替えて集計します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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
___(___, ___)