शुरू करेंमुफ़्त में शुरू करें

Nabular डेटा और missingness के आधार पर भरना

Summary statistics निकालना उपयोगी होता है, लेकिन जैसा कहते हैं, एक तस्वीर हज़ार शब्दों के बराबर होती है.

इस अभ्यास में, आप देखेंगे कि nabular डेटा का उपयोग करके किसी एक वैरिएबल में परिवर्तन को किसी दूसरे वैरिएबल की missingness के आधार पर कैसे खोजा जा सकता है.

हम naniar के oceanbuoys डेटासेट का उपयोग करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Missing Data से निपटना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पहले vis_miss() का उपयोग करके oceanbuoys की missingness संरचना को जाँचें.
  • geom_density() का उपयोग करके, एयर टेम्परेचर की missingness के अनुसार wind east west (wind_ew) के वितरण का अन्वेषण करें.
  • geom_density() का उपयोग करके, ह्यूमिडिटी की missingness के अनुसार sea temperature के वितरण का अन्वेषण करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# First explore the missingness structure of `oceanbuoys` using `vis_miss()`
vis_miss(___)

# Explore the distribution of `wind_ew` for the missingness  
# of `air_temp_c_NA` using  `geom_density()`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___, 
             color = air_temp_c_NA)) + 
  geom_density()

# Explore the distribution of sea temperature for the  
# missingness of humidity (humidity_NA) using  `geom_density()`
  ___(___) %>%
  ggplot(aes(x = ___,
             color = ___)) + 
  geom_density()
कोड संपादित करें और चलाएँ