CommencerCommencez gratuitement

Combien de valeurs manquantes y a-t-il ?

L’une des premières vérifications à effectuer avec un nouveau jeu de données consiste à voir s’il y a des valeurs manquantes et combien.

Vous pourriez utiliser are_na() pour compter les valeurs manquantes, mais la manière la plus efficace de les compter est d’utiliser la fonction n_miss(). Elle vous indique le nombre total de valeurs manquantes dans les données.

Vous pouvez ensuite obtenir le pourcentage de valeurs manquantes avec la fonction pct_miss. Elle vous fournit le pourcentage de valeurs manquantes dans les données.

Vous pouvez également obtenir le complément — c’est‑à‑dire combien de valeurs complètes il y a — à l’aide de n_complete et pct_complete.

Cet exercice fait partie du cours

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

Instructions de l’exercice

À l’aide du dataframe d’exemple des tailles et poids dat_hw :

  • Utilisez n_miss() sur le dataframe dat_hw pour compter le nombre total de valeurs manquantes du dataframe.
  • Utilisez n_miss() sur la variable dat_hw$weight pour compter le nombre total de valeurs manquantes de cette variable.
  • De même, utilisez prop_miss(), n_complete(), et prop_complete() pour obtenir la proportion de valeurs manquantes, ainsi que le nombre et la proportion de valeurs complètes pour le dataframe et les variables.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Use n_miss() to count the total number of missing values in dat_hw
n_miss(___)

# Use n_miss() on dat_hw$weight to count the total number of missing values
n_miss(___$___)

# Use n_complete() on dat_hw to count the total number of complete values
n_complete(___)

# Use n_complete() on dat_hw$weight to count the total number of complete values
___(___$___)

# Use prop_miss() and prop_complete() on dat_hw to count the total number of missing values in each of the variables
prop_miss(____)
prop_complete(___)
Modifier et exécuter le code