शुरू करेंमुफ़्त में शुरू करें

इम्प्यूटेशन का मूल्यांकन: कई वैरिएबल्स में

अब तक, हमने व्यक्तिगत वैरिएबल्स या वैरिएबल्स की जोड़ी और उनके इम्प्यूट किए गए मानों को देखने के तरीके कवर किए हैं। लेकिन कई बार आपको कई वैरिएबल्स के इम्प्यूटेशन एक साथ देखने होते हैं। ऐसा करने के लिए, आपको कुछ डेटा मन्जिंग और री-अरेंजिंग करनी होगी। यह लेसन दिखाता है कि यह डेटा रैंग्लिंग कैसे करें — खासकर जब इसे nabular डेटा पर लागू करें तो यह थोड़ा जटिल हो सकता है। shadow_long() फंक्शन ऐसे विज़ुअलाइज़ेशन के लिए डेटा को सही शेप में बदल देता है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Missing Data से निपटना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • shadow_long() का उपयोग करके ocean_imp_mean से इम्प्यूट किया गया डेटा इकठ्ठा करें, और humidity व air_temp_c पर फोकस करें।
  • डेटा प्रिंट करें और उसे जाँचें।
  • geom_histogram() का उपयोग करके हिस्टोग्राम में इम्प्यूटेशन एक्सप्लोर करें: मानों को x-axis पर रखें, missingness के आधार पर fill करें, और variable के आधार पर facet करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
कोड संपादित करें और चलाएँ