LoslegenKostenlos loslegen

Nabular-Daten und nach Missingness zusammenfassen

In dieser Übung untersuchen wir, wie man mit nabular-Daten die Variation einer Variable in Abhängigkeit von der Missingness einer anderen erkundet.

Wir verwenden den Datensatz oceanbuoys aus naniar und erstellen anschließend mehrere Plots der Daten mithilfe von Facets.

So kannst du verschiedene Ebenen der Missingness erkunden.

Diese Übung ist Teil des Kurses

Umgang mit fehlenden Daten in R

Kurs anzeigen

Anleitung zur Übung

  • Untersuche die Verteilung von Wind Ost–West (wind_ew) in Bezug auf die Missingness der Lufttemperatur mit geom_density() und facettiere nach der Missingness der Lufttemperatur (air_temp_c_NA).
  • Baue auf dieser Visualisierung auf, indem du nach der Missingness der Luftfeuchtigkeit einfärbst (humidity_NA).

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Explore the distribution of wind east west (wind_ew) for the missingness of air temperature 
# using geom_density() and faceting by the missingness of air temperature (air_temp_c_NA).
___ %>%
  bind_shadow(___) %>%
  ggplot(aes(x = ___)) + 
  geom_density() + 
  facet_wrap(~___)

# Build upon this visualization by coloring by the missingness of humidity (humidity_NA).
___ %>%
  ___(___) %>%
  ggplot(aes(x = ___,
             color = ___)) + 
  geom_density() + 
  ___(~___)
Code bearbeiten und ausführen