CommencezCommencez gratuitement

Autres résumés de la présence de valeurs manquantes

Certains résumés de valeurs manquantes sont particulièrement utiles selon le type de données. Par exemple, miss_var_span() et miss_var_run().

  • miss_var_span() calcule le nombre de valeurs manquantes dans une variable donnée pour une période répétée. C'est très utile avec les séries chronologiques pour repérer des tendances hebdomadaires (7 jours) de valeurs manquantes.

  • miss_var_run() calcule le nombre de « parcours » ou « séquences » de valeurs manquantes. Cela permet de trouver des motifs inhabituels de manquants; par exemple, vous pourriez observer un motif répétitif de 5 complets et 5 manquants.

miss_var_span() et miss_var_run() fonctionnent tous deux avec l'opérateur group_by de dplyr.

Cette activité fait partie du cours

Gérer les données manquantes avec R

Voir le cours

Instructions de l’exercice

En utilisant le jeu de données pedestrian de naniar :

  • Calculez des résumés de valeurs manquantes pour les variables du jeu de données avec miss_var_span(), pour une période de 4000.
  • Calculez des résumés de valeurs manquantes pour les cas du jeu de données avec miss_var_run().
  • Combinez avec l'opérateur group_by de dplyr pour month.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate the summaries for each run of missingness for the variable, hourly_counts
miss_var_run(pedestrian, var = ___)

# Calculate the summaries for each span of missingness, 
# for a span of 4000, for the variable hourly_counts
miss_var_span(pedestrian, var = ___, span_every = ___)

# For each `month` variable, calculate the run of missingness for hourly_counts
pedestrian %>% group_by(month) %>% ___()

# For each `month` variable, calculate the span of missingness 
# of a span of 2000, for the variable hourly_counts
pedestrian %>% group_by(___) %>% ___(var = ___, span_every = ___)
Modifier et exécuter le code