ComenzarEmpieza gratis

Crea un histograma de los datos imputados

Ahora que podemos recrear la primera visualización de geom_miss_point(), vamos a ver cómo aplicar esto a otras tareas exploratorias.

Una tarea útil es evaluar el número de valores ausentes en una variable mediante un histograma. Podemos hacerlo usando el conjunto de datos ocean_imp_track que creamos en el ejercicio anterior, ya cargado en esta sesión.

Este ejercicio forma parte del curso

Tratamiento de datos faltantes en R

Ver curso

Instrucciones del ejercicio

Usando los datos imputados y rastreados, ocean_imp_track:

  • Explora los valores de air_temp_c, visualizando la cantidad de ausentes con air_temp_c_NA.
  • Explora los ausentes en humidity usando humidity_NA.
  • Explora los ausentes en air_temp_c por año, usando facet_wrap(~year).
  • Explora los ausentes en humidity por año, usando facet_wrap(~year).

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
Editar y ejecutar código