शैडो मैट्रिक्स डेटा बनाना
मिसिंग डेटा पर सोचना मुश्किल हो सकता है, क्योंकि वे अक्सर खुद को साफ़-साफ़ नहीं दिखाते और डेटा की झाड़ियों में छिपे रहते हैं.
मिसिंग वैल्यूज़ को उजागर करने का एक तरीका है कि हम डेटा को देखने का तरीका बदलें — हर एक डेटा वैल्यू को या तो मिसिंग या नॉन-मिसिंग मानकर सोचें.
R में as_shadow() फंक्शन एक डेटा फ़्रेम को शैडो मैट्रिक्स में बदलता है — यह एक खास डेटा फॉर्मेट है जहाँ वैल्यूज़ या तो मिसिंग (NA) होती हैं, या Not Missing (!NA).
शैडो मैट्रिक्स के कॉलम नाम डेटा के जैसे ही होते हैं, लेकिन उनके साथ _NA प्रत्यय जुड़ा होता है.
डेटा वैल्यूज़ और उनकी मिसिंगनेस स्टेट को ट्रैक करने और तुलना करने के लिए bind_shadow() फंक्शन का उपयोग करें. इस फॉर्मेट में, जहाँ शैडो मैट्रिक्स के कॉलम नियमित डेटा से बाइंड किए जाते हैं, उसे nabular डेटा कहा जाता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Missing Data से निपटना
अभ्यास निर्देश
oceanbuoys डेटासेट का उपयोग करते हुए:
as_shadow()से शैडो मैट्रिक्स डेटा बनाइएbind_shadow()से शैडो को डेटा के साथ बाइंड करके nabular डेटा बनाइए- केवल उन्हीं वैरिएबल्स को बाइंड कीजिए जिनमें मिसिंग वैल्यूज़ हैं, इसके लिए
bind_shadow(only_miss = TRUE)का उपयोग करें
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create shadow matrix data with `as_shadow()`
___(___)
# Create nabular data by binding the shadow to the data with `bind_shadow()`
___(___)
# Bind only the variables with missing values by using bind_shadow(only_miss = TRUE)
___(___, ___ = TRUE)