CommencerCommencez gratuitement

Réaliser des synthèses groupées de valeurs manquantes

Maintenant que vous savez créer des données nabulaires, utilisons-les pour explorer les données. Calculons des statistiques descriptives en fonction du caractère manquant d’une autre variable.

Pour cela, nous allons suivre les étapes suivantes :

  • D’abord, bind_shadow() transforme les données en données nabulaires.

  • Ensuite, effectuez des synthèses sur les données avec group_by() et summarize() pour calculer la moyenne et l’écart type, à l’aide des fonctions mean() et sd().

Cet exercice fait partie du cours

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

Instructions de l’exercice

  • Pour le jeu de données oceanbuoys :

  • Appliquez bind_shadow(), puis group_by() sur le caractère manquant de humidity (humidity_NA) et calculez la moyenne et l’écart type du vent est-ouest (wind_ew) avec summarize() de dplyr.

  • Recommencez en calculant cette fois les synthèses pour le vent nord-sud (wind_ns).

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# `bind_shadow()` and `group_by()` humidity missingness (`humidity_NA`)
oceanbuoys %>%
  ___() %>%
  group_by(___) %>% 
  summarize(wind_ew_mean = mean(___), # calculate mean of wind_ew
            wind_ew_sd = ___)) # calculate standard deviation of wind_ew
  
# Repeat this, but calculating summaries for wind north south (`wind_ns`).
___ %>%
  ___ %>%
  group_by(___) %>%
  summarize(___ = ___(___),
            ___ = ___(___))
Modifier et exécuter le code