MulaiMulai sekarang secara gratis

Buat histogram data hasil imputasi

Sekarang setelah kita dapat merekreasikan visualisasi pertama dari geom_miss_point(), mari jelajahi bagaimana kita dapat menerapkannya pada tugas eksplorasi lainnya.

Salah satu tugas yang berguna adalah mengevaluasi jumlah nilai hilang pada suatu variabel menggunakan histogram. Kita dapat melakukannya dengan menggunakan himpunan data ocean_imp_track yang kita buat pada latihan sebelumnya, yang sudah dimuat dalam sesi ini.

Latihan ini adalah bagian dari kursus

Menangani Data Hilang di R

Lihat Kursus

Petunjuk latihan

Dengan menggunakan data yang diimputasi dan dilacak, ocean_imp_track:

  • Eksplorasi nilai air_temp_c, visualisasikan jumlah nilai hilang dengan air_temp_c_NA.
  • Eksplorasi nilai hilang pada humidity menggunakan humidity_NA.
  • Eksplorasi nilai hilang pada air_temp_c menurut tahun, dengan facet_wrap(~year).
  • Eksplorasi nilai hilang pada humidity menurut tahun, dengan facet_wrap(~year).

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
Edit dan Jalankan Kode