Začněte nyníZačněte zdarma

Vyhodnocení imputací: Napříč mnoha proměnnými

Doposud jsme se zabývali způsoby, jak zkoumat jednotlivé proměnné nebo dvojice proměnných a jejich imputované hodnoty. Někdy ale potřebuješ prozkoumat imputace napříč mnoha proměnnými najednou. K tomu je nutné data trochu upravit a přeuspořádat. Tato lekce ukazuje, jak takové úpravy provést – v případě nabular dat to může být o něco složitější. Funkce shadow_long() převede data do správného tvaru pro tento typ vizualizací.

Toto cvičení je součástí kurzu

Práce s chybějícími daty v R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí shadow_long() sesbírej imputovaná data ocean_imp_mean se zaměřením na proměnné humidity a air_temp_c.
  • Vypiš data a prohlédni si je.
  • Prozkoumej imputace pomocí histogramu s geom_histogram() – hodnoty umísti na osu x, vybarvi je podle přítomnosti chybějících hodnot a rozděl graf pomocí fazetování podle variable.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Upravit a spustit kód