Cuando uno analiza datos, me parece buena idea identificar a variables numéricas que tienen pocos valores distintos como categóricas. El ejemplo perfecto es cuando solamente existen 0 y 1, que se podrían interpretar como apagado y encendido. Otro caso es cuando solamente tenemos 1, 5, y 10 ó 1, 2 y 3 que se podrían interpretar como "bajo", "medio", y "alto."
Para usar R, he elegido el dataset "mtcars."
El código está funcionando.
Mis tres preguntas son:
Puede mejorarse el código?
En el ejemplo selecciono variables con 12 números distintos o menos como categóricas, basándome en q la idea q tenemos 12 meses del año. Cuál sería su sugerencia para el número correcto? 12? 6? 3?
Q opinan de la estrategia? Hay teoría respecto a esto. Alguna recomenadación para aprender más del tema.
library(tidyverse)
data(mtcars)
fun <- function(x) { x <= 12 }
columns_with_12_or_less_elements <- mtcars %>% select(where(is.numeric)) %>% lapply(n_distinct) %>% as.data.frame %>% select(where(fun)) %>% colnames
columns_with_12_or_less_elements
#original data.frame
str(mtcars)
#new data.frame
mtcars[,columns_with_12_or_less_elements] <- mtcars[,columns_with_12_or_less_elements] %>% lapply(as.factor)
str(mtcars)
View(mtcars)