Łączenie zmiennych według proporcji
Często nie będziesz mieć z góry określonych poziomów, które chcesz przekształcić w „inne" lub ze sobą scalić. Zamiast tego zechcesz zachować najczęściej występujące poziomy, a wszystko pozostałe zebrać w kategorii „other". Jest to szczególnie przydatne, gdy poziomów jest wiele, a większość z nich pojawia się rzadko – ułatwia to czytelne przedstawienie danych. Przetestujmy to na pytaniu z ankiety Kaggle dotyczącym metod uczenia maszynowego, które respondenci chcieli wypróbować w kolejnym roku. Zbiór danych multiple_choice_responses jest już wczytany. Podczas zliczania pamiętaj, że sort = TRUE domyślnie odpowiada porządkowi malejącemu.
To ćwiczenie jest częścią kursu
Dane kategoryczne w Tidyverse
Instrukcje do ćwiczenia
- Usuń osoby, które nie wybrały żadnej metody.
- Na podstawie zmiennej
MLMethodNextYearSelectutwórz nową zmiennąml_method, zachowując tytuły wybrane przez co najmniej 5% respondentów i łącząc pozostałe w kategorię "Other" (wartość domyślna). - Na koniec zlicz wartości nowej zmiennej, sortując wynik w porządku malejącym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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
___(___, ___)