Slå ihop variabelnivåer efter proportion
Ofta finns det inga specifika nivåer du vill slå ihop eller ändra till "other". I stället vill du behålla de vanligaste nivåerna och samla allt annat under "other". Det är särskilt användbart när det finns många nivåer och de flesta är sällsynta – det gör datan lättare att visualisera. Låt oss prova detta med frågan från Kaggle-enkäten om vilka maskininlärningsmetoder deltagarna ville testa under nästa år. multiple_choice_responses har redan laddats in. Kom ihåg att sort = TRUE sorterar i fallande ordning som standard.
Den här övningen är en del av kursen
Kategoriska data i Tidyverse
Övningsinstruktioner
- Ta bort de som inte valde någon metod.
- Skapa en ny variabel,
ml_method, frånMLMethodNextYearSelectsom behåller de titlar som minst 5 % av respondenterna har valt och samlar resten under "Other" (standardvärdet). - Räkna sedan din nya variabel, sorterad i fallande ordning.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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
___(___, ___)