nabular डेटा के साथ रेंज से नीचे इम्प्यूट करें
हम इम्प्यूट की गई वैल्यूज़ का रिकॉर्ड रखना चाहते हैं. अगर हम ऐसा नहीं करते, तो इम्प्यूटेड वैल्यूज़ कितनी अच्छी हैं, यह आकलन करना बहुत कठिन हो जाता है.
हम डेटा को इम्प्यूट करने का अभ्यास करेंगे और पिछले अभ्यासों के विज़ुअलाइज़ेशन को फिर से बनाएँगे, इसके लिए हम डेटा की रेंज से नीचे वैल्यूज़ इम्प्यूट करेंगे.
यह मिसिंगनेस को और गहराई से खोजने का बहुत उपयोगी तरीका है, और साथ ही मिसिंग वैल्यूज़ को इम्प्यूट करने के लिए फ़्रेमवर्क भी प्रदान करता है.
पहले, हम impute_below_all() का उपयोग करके रेंज से नीचे डेटा इम्प्यूट करेंगे, और फिर डेटा को विज़ुअलाइज़ करेंगे. हमें दिखता है कि इस स्थिति में हम मिसिंग वैल्यूज़ कहाँ हैं देख सकते हैं, लेकिन उन्हें ट्रैक करने का कोई तरीका चाहिए. मिसिंग डेटा को ट्रैक करने वाला प्रोग्रामिंग पैटर्न इसमें मदद कर सकता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Missing Data से निपटना
अभ्यास निर्देश
oceanbuoys डेटा का उपयोग करते हुए:
impute_below_all()का उपयोग करके रेंज से नीचे इम्प्यूट करें.- x-axis पर
wind_ewऔर y-axis परair_temp_cके लिए नई मिसिंग वैल्यूज़ को विज़ुअलाइज़ करें. bind_shadow(),impute_below_all(), औरadd_label_shadow()के साथ डेटा को इम्प्यूट और ट्रैक करें.- प्लॉट दिखाएँ और इम्प्यूटेड वैल्यूज़ जाँचें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)
# Visualize the new missing values
ggplot(___,
aes(x = ___, y = ___)) +
geom_point()
# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>%
___() %>%
___()
# Look at the imputed values
___