CommencerCommencez gratuitement

Découper en facettes pour explorer les valeurs manquantes (graphiques multiples)

Une autre technique utile avec geommisspoint() consiste à explorer les valeurs manquantes en créant plusieurs graphiques.

Comme dans les exercices précédents, nous pouvons utiliser les données nabular pour créer des graphiques à facettes supplémentaires.

Nous pouvons même créer plusieurs graphiques à facettes en fonction de valeurs présentes dans les données, comme l’année, et de caractéristiques des données, comme la présence/absence de valeurs.

Cet exercice fait partie du cours

<cours>Gérer les données manquantes en R</cours>
Voir le cours

Instructions de l’exercice

  • Utilisez geom_miss_point() et facet_wrap() pour explorer en quoi les valeurs manquantes de wind_ew et air_temp_c diffèrent selon la présence/absence de valeurs de humidity.
  • Utilisez geom_miss_point() et facet_grid() pour explorer en quoi les valeurs manquantes de wind_ew et air_temp_c diffèrent selon la présence/absence de valeurs de humidity et selon year.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Use geom_miss_point() and facet_wrap to explore how the missingness  
# in wind_ew and air_temp_c is different for missingness of humidity
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
           y = ___)) + 
  geom_miss_point() + 
  facet_wrap(~___)

# Use geom_miss_point() and facet_grid to explore how the missingness in wind_ew and air_temp_c 
# is different for missingness of humidity AND by year - by using `facet_grid(humidity_NA ~ year)`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
             y = ___)) + 
  geom_miss_point() + 
  facet_grid(humidity_NA~year)
Modifier et exécuter le code