शुरू करेंमुफ़्त में शुरू करें

स्कैटर प्लॉट में इम्प्यूटेड वैल्यूज़ को विज़ुअलाइज़ करें

अब, आइए अध्याय तीन में देखा गया एक पिछला प्लॉट फिर से बनाएँ, जिसमें geom_miss_point() का उपयोग किया गया था.

ऐसा करने के लिए, हमें डेटा की रेंज से नीचे इम्प्यूट करना होगा। यह डेटा को खोजने-समझने के लिए एक विशेष तरह की imputation है। यह imputation उस अभ्यास को उजागर करेगी जिसकी ज़रूरत है: missing values को कैसे ट्रैक किया जाए। डेटा की रेंज से नीचे इम्प्यूट करने के लिए, हम impute_below_all() फंक्शन का उपयोग करते हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Missing Data से निपटना

पाठ्यक्रम देखें

अभ्यास निर्देश

oceanbuoys डेटा का उपयोग करते हुए:

  • bind_shadow(), impute_below_all(), और add_label_shadow() के साथ missing values को इम्प्यूट करें और ट्रैक करें.
  • x-axis पर wind और y-axis पर air temperature की missingness को विज़ुअलाइज़ करें, और missing air temp वैल्यूज़ को air_temp_c_NA से रंगें.
  • x-axis पर humidity और y-axis पर air temp को विज़ुअलाइज़ करें, और किसी भी missing केस को वैरिएबल any_missing के साथ रंगें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Impute and track the missing values
ocean_imp_track <- bind_shadow(___) %>% 
  impute_below_all() %>% 
  add_label_shadow()

# Visualize the missingness in wind and air temperature,  
# coloring missing air temp values with air_temp_c_NA
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Visualize humidity and air temp, coloring any missing cases using the variable any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) +  
  geom_point()
कोड संपादित करें और चलाएँ