LoslegenKostenlos loslegen

Faceting zur Untersuchung von Missingness (mehrere Plots)

Eine weitere nützliche Technik mit geommisspoint() ist, die Missingness zu untersuchen, indem du mehrere Plots erstellst.

Wie in den vorherigen Übungen können wir die nabular-Daten verwenden, um zusätzliche facettierte Plots zu erstellen.

Wir können sogar mehrere facettierte Plots nach Werten im Datensatz (z. B. year) und nach Eigenschaften der Daten (z. B. Missingness) erzeugen.

Diese Übung ist Teil des Kurses

Umgang mit fehlenden Daten in R

Kurs anzeigen

Anleitung zur Übung

  • Verwende geom_miss_point() und facet_wrap(), um zu untersuchen, wie sich die Missingness in wind_ew und air_temp_c je nach Missingness von humidity unterscheidet.
  • Verwende geom_miss_point() und facet_grid(), um zu untersuchen, wie sich die Missingness in wind_ew und air_temp_c je nach Missingness von humidity und nach year unterscheidet.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Use geom_miss_point() and facet_wrap to explore how the missingness  
# in wind_ew and air_temp_c is different for missingness of humidity
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
           y = ___)) + 
  geom_miss_point() + 
  facet_wrap(~___)

# Use geom_miss_point() and facet_grid to explore how the missingness in wind_ew and air_temp_c 
# is different for missingness of humidity AND by year - by using `facet_grid(humidity_NA ~ year)`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
             y = ___)) + 
  geom_miss_point() + 
  facet_grid(humidity_NA~year)
Code bearbeiten und ausführen