CommencezCommencez gratuitement

Visualiser les valeurs imputées dans un nuage de points

Recréons maintenant l'un des graphiques vus au chapitre trois qui utilisait geom_miss_point().

Pour y parvenir, nous devons imputer des données en dessous de l'intervalle de la plage de données. Il s'agit d'un type d'imputation particulier pour explorer les données. Cette imputation illustrera ce que nous devons pratiquer : comment suivre les valeurs manquantes. Pour imputer des données en dessous de la plage de données, nous utilisons la fonction impute_below_all().

Cette activité fait partie du cours

Gérer les données manquantes avec R

Voir le cours

Instructions de l’exercice

Avec les données oceanbuoys :

  • Imputez et suivez les valeurs manquantes à l'aide de bind_shadow(), impute_below_all() et add_label_shadow().
  • Visualisez la présence de valeurs manquantes pour le vent et la température de l'air sur les axes x et y respectivement, et colorez les valeurs manquantes de la température de l'air avec air_temp_c_NA.
  • Visualisez l'humidité et la température de l'air sur les axes x et y respectivement, et colorez tous les cas comportant des valeurs manquantes à l'aide de la variable any_missing.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Impute and track the missing values
ocean_imp_track <- bind_shadow(___) %>% 
  impute_below_all() %>% 
  add_label_shadow()

# Visualize the missingness in wind and air temperature,  
# coloring missing air temp values with air_temp_c_NA
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Visualize humidity and air temp, coloring any missing cases using the variable any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) +  
  geom_point()
Modifier et exécuter le code