层次聚类：探索前的准备

您已经为 oes 数据创建了一个潜在的聚类。在使用 ggplot2 探索这些聚类之前，您需要先将 oes 数据矩阵处理为整洁的数据框，并为每个职业分配其所属的聚类。

本练习是课程的一部分

R 中的聚类分析

练习说明

通过 tibble 库的 rownames_to_column()，从 oes 数据矩阵创建数据框 df_oes，并将行名保存为一列。
使用 cutree() 且设置 h = 100,000 构建聚类分配向量 cut_oes。
将聚类分配作为名为 cluster 的新列追加到数据框 df_oes，并将结果保存为新的数据框 clust_oes。
使用 tidyr() 库中的 pivot_longer() 将数据重塑为适合 ggplot2 分析的长格式，并将整洁后的数据框保存为 gathered_oes。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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" )

编辑并运行代码