Začněte nyníZačněte zdarma

Vytvoř histogram imputovaných dat

Teď, když umíme znovu vytvořit první vizualizaci pomocí geom_miss_point(), pojďme se podívat, jak ji využít i pro další průzkumné úlohy.

Jednou z užitečných úloh je vyhodnotit počet chybějících hodnot v dané proměnné pomocí histogramu. K tomu použijeme dataset ocean_imp_track, který jsme vytvořili v předchozím cvičení a je načtený v této relaci.

Toto cvičení je součástí kurzu

Práce s chybějícími daty v R

Zobrazit kurz

Pokyny k cvičení

Pomocí imputovaného a sledovaného datasetu ocean_imp_track:

  • Prozkoumej hodnoty air_temp_c a vizualizuj množství chybějících hodnot pomocí air_temp_c_NA.
  • Prozkoumej chybějící hodnoty v humidity pomocí humidity_NA.
  • Prozkoumej chybějící hodnoty v air_temp_c podle roku pomocí facet_wrap(~year).
  • Prozkoumej chybějící hodnoty v humidity podle roku pomocí facet_wrap(~year).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
Upravit a spustit kód