การ Recode ตัวแปรและคำนวณผลรวมตามกลุ่ม

dplyr ซึ่งเป็นหนึ่งในแพ็กเกจหลักของ tidyverse มีฟังก์ชันสำหรับการจัดการข้อมูลอยู่มากมาย ความสามารถเหล่านี้ช่วยให้ผู้ใช้สามารถ recode ชุดข้อมูล กำหนดกลุ่มภายในชุดข้อมูล และคำนวณค่าต่าง ๆ ตามกลุ่มได้ การดำเนินการเหล่านี้มักอยู่ใน pipe ซึ่งใช้ตัวดำเนินการ %>%

ในแบบฝึกหัดนี้ จะได้ทำงานกับข้อมูล ACS ในรูปแบบ tidyverse workflow โดยจะระบุตัวแปรรายได้มัธยฐานของครัวเรือนจากตาราง ACS B19001 ที่ต่ำกว่า $35,000, ระหว่าง $35,000 ถึง $75,000 และสูงกว่า $75,000 จากนั้นจะนับจำนวนครัวเรือนที่อยู่ในแต่ละกลุ่มสำหรับเขตต่าง ๆ ในรัฐวอชิงตัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลสำมะโนประชากรสหรัฐฯ ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

กรองแถวที่ตัวแปรมีค่าเท่ากับ "B19001_001" ออก เนื่องจากแถวนี้แทนจำนวนครัวเรือนทั้งหมด
ใช้ฟังก์ชัน case_when() เพื่อสร้างคอลัมน์ชื่อ incgroup สำหรับกำหนดกลุ่มที่ผ่านการ recode แล้ว
ใช้ฟังก์ชัน group_by() เพื่อจัดกลุ่มชุดข้อมูลตามชื่อเขตและกลุ่มรายได้
สุดท้าย ใช้ฟังก์ชัน summarize() เพื่อรวมผลรวมของแต่ละกลุ่มตามเขต แล้วตรวจสอบผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Use a tidy workflow to wrangle ACS data
wa_grouped <- wa_income %>%
  ___(___ != "B19001_001") %>%
  mutate(incgroup = ___(
    variable < "B19001_008" ~ "below35k", 
    variable < "B19001_013" ~ "35kto75k", 
    TRUE ~ "above75k"
  )) %>%
  ___(NAME, incgroup) %>%
  ___(group_est = sum(estimate))

wa_grouped

แก้ไขและรันโค้ด