MulaiMulai sekarang secara gratis

Memvisualisasikan pola data hilang

Mari berlatih beberapa cara berbeda untuk memvisualisasikan pola data hilang menggunakan:

  • gg_miss_upset() untuk memberikan gambaran umum pola data hilang.
  • gg_miss_fct() untuk himpunan data yang memiliki faktor yang diminati: status pernikahan.
  • dan gg_miss_span() untuk mengeksplorasi data hilang dalam himpunan data deret waktu.

Apa yang Anda amati terkait data hilang dan faceting pada data?

Latihan ini adalah bagian dari kursus

Menangani Data Hilang di R

Lihat Kursus

Petunjuk latihan

  • Jelajahi pola data hilang pada himpunan data airquality dengan gg_miss_upset().
  • Jelajahi bagaimana data hilang berubah pada himpunan data riskfactors terhadap variabel marital menggunakan gg_miss_fct()
  • Jelajahi bagaimana data hilang berubah pada himpunan data pedestrian terhadap variabel hourly_counts dengan rentang 3000 (Anda juga dapat mencoba rentang berbeda dari 2000–5000).
  • Jelajahi dampak month pada hourly_counts dengan menyertakannya dalam argumen facet, dengan rentang 1000.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Using the airquality dataset, explore the missingness pattern using gg_miss_upset()
gg_miss_upset(airquality)

# With the riskfactors dataset, explore how the missingness changes across the marital variable using gg_miss_fct()
gg_miss_fct(x = riskfactors, fct = marital)

# Using the pedestrian dataset, explore how the missingness of hourly_counts changes over a span of 3000 
gg_miss_span(pedestrian, var = ___, span_every = ___)

# Using the pedestrian dataset, explore the impact of month by faceting by month
# and explore how missingness changes for a span of 1000
____(___, var = ___ , span_every = ___, facet = ___)
Edit dan Jalankan Kode