CommencezCommencez gratuitement

Évaluer les imputations : plusieurs variables à la fois

Jusqu'ici, nous avons vu comment examiner des variables individuelles ou des paires de variables et leurs valeurs imputées. Parfois, toutefois, vous voudrez analyser les imputations pour de nombreuses variables. Pour y arriver, il faut faire un peu de préparation et de réorganisation des données. Cette leçon explique comment réaliser ce façonnage des données, qui peut devenir un peu complexe lorsqu'on travaille avec des données « nabular ». La fonction shadow_long() met les données dans la bonne structure pour ce type de visualisations.

Cette activité fait partie du cours

Gérer les données manquantes avec R

Voir le cours

Instructions de l’exercice

  • Utilisez shadow_long() pour rassembler les données imputées ocean_imp_mean, en vous concentrant sur humidity et air_temp_c.
  • Affichez les données et examinez-les.
  • Explorez les imputations dans un histogramme avec geom_histogram(), en plaçant les valeurs sur l'axe des x, en coloriant selon leur caractère manquant et en facettant par variable.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Modifier et exécuter le code