LoslegenKostenlos loslegen

Fehlende Fälle und Variablen visualisieren

Um einen klaren Überblick über die Missingness in Variablen und Fällen zu bekommen, verwende gg_miss_var() und gg_miss_case(). Diese sind die visuellen Gegenstücke zu miss_var_summary() und miss_case_summary().

Du kannst mehrere Plots erzeugen – jeweils einen pro Kategorie –, indem du eine Variable zum Facettieren auswählst.

Diese Übung ist Teil des Kurses

Umgang mit fehlenden Daten in R

Kurs anzeigen

Anleitung zur Übung

Mit dem Datensatz riskfactors:

  • Visualisiere die Anzahl fehlender Werte in Fällen mit gg_miss_case().
  • Untersuche die Anzahl fehlender Werte in Fällen mit gg_miss_case() und facettiere nach der Variable education.
  • Visualisiere die Anzahl fehlender Werte in Variablen mit gg_miss_var().
  • Untersuche die Anzahl fehlender Werte in Variablen mit gg_miss_var() und facettiere nach der Variable education.

Was fällt dir in den Visualisierungen der Gesamtdaten im Vergleich zum Facettieren auf?

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Visualize the number of missings in cases using `gg_miss_case()`
gg_miss_case(___)

# Explore the number of missings in cases using `gg_miss_case()` 
# and facet by the variable `education`
gg_miss_case(___, facet = ___)

# Visualize the number of missings in variables using `gg_miss_var()`
gg_miss_var(___)

# Explore the number of missings in variables using `gg_miss_var()` 
# and facet by the variable `education`
___(___, facet = ___)
Code bearbeiten und ausführen