LoslegenKostenlos starten

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

<Kurs>Umgang mit fehlenden Daten in R</Kurs>
Kurs ansehen

Übungsanweisungen

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 praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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