Tendo o seguinte script :
library(dplyr)
library(tidyverse)
library(factoextra)
library(ggplot2)
mlb <- read.csv("C:\\...\\prospects.csv")
##
##fonte da planilha prospects.csv
##https://www.mlb.com/prospects/stats/top-prospects
##
mlb <-mlb %>% select(15,18)
df=scale(mlb)
head(df, n=3)
# Número ótimo de clusters
fviz_nbclust(df, kmeans, method = "wss")+
geom_vline(xintercept = 3, linetype = 2)
# Clusterização k-means
##set.seed(123)
km.res=kmeans(df, 3, nstart=25)
print(km.res)
aggregate(mlb, by=list(cluster=km.res$cluster), mean)
mlb2=cbind(mlb, cluster=km.res$cluster)
head(mlb2)
km.res$centers
fviz_cluster(km.res, data=mlb2,
palette = c("#2E9FDF", "#00AFBB", "#E7B800"),
ellipse.type="euclid",
star.plot=TRUE,
addlabels=TRUE,
repel=TRUE,
ggtheme=theme_minimal()
)
##mapa do gpot
ggplot(mlb2, aes(slg , strikeOuts, colour = cluster)) +
geom_point()
O gráfico é gerado , mas os dimensões slg , strikeOuts ("avanços" e eliminações) não são nomeadas e são exibidas em percentuais sinalizados (DIM! & DIM2) e não em mapa "real", como o do "gpot".
Creio que minha dúvida talvez seja entender a natureza do gráfico fviz_cluster.
Mas como no fviz_cluster exibir como no ggplot (se isto faz sentido) ?
Edição
O código seguinte baixa a planilha usada. Ver comentários 1 e 2 à pergunta.
suppressPackageStartupMessages({
library(rvest)
library(tidyverse)
})
link <- "https://www.mlb.com/prospects/stats/top-prospects?type=all&minPA=1"
page <- read_html(link)
tbl_list <- page %>%
html_elements("table") %>%
html_table()
mlb <- tbl_list[[1]] %>% select(15, 18)
mlb %>% select(15,18)
não há variáveisslg
,strikeOuts
(antes também não).fviz_cluster
podia ser muito mais clara em relação a isso. Internamentefviz_cluster
chama a funçãostats::prcomp
(umas linhas mais abaixo). E formata os nomes dos eixos como dimensões ou componentes principais.