CommencerCommencez gratuitement

Évaluer les imputations : sur de nombreuses variables

Jusqu’ici, nous avons vu comment examiner des variables individuelles ou des paires de variables et leurs valeurs imputées. Cependant, il arrive que vous souhaitiez étudier les imputations pour de nombreuses variables. Pour cela, vous devez effectuer un peu de préparation et de réorganisation des données. Cette leçon explique comment réaliser cette transformation, qui peut devenir un peu délicate lorsqu’on travaille avec des données nabular. La fonction shadow_long() met les données dans la bonne forme pour ce type de visualisations.

Cet exercice fait partie du cours

<cours>Gérer les données manquantes en R</cours>
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 colorant selon la présence de valeurs manquantes 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