気温の平均代入
平均代入（mean imputation）にはリスクが伴う場合があります。平均代入を行う変数が他の変数と相関している場合、代入後の値によってその相関が失われてしまう可能性があります。前の演習で air_temp 変数を分析したときにも、その兆候が見られました。
この懸念が実際に当てはまるかどうかを確かめるため、この演習では air_temp に平均代入を行い、同時にどの値が代入されたかを示す2値インジケーターを作成します。このインジケーターは次の演習で代入の精度を評価する際に役立ちます。さっそく欠損値を埋めましょう！
この演習はコースの一部です
R による欠損データの補完処理
演習の手順
taoを変換するパイプラインの中で、air_tempが欠損している場合はTRUE、そうでない場合はFALSEとなる新しい変数air_temp_impを作成してください。- 同じパイプラインの後半で、
air_tempが欠損している箇所はその平均値で上書きし、欠損していない箇所はそのままにして、結果をtao_impに代入してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
tao_imp <- tao %>%
# Create a binary indicator for missing values in air_temp
___(air_temp_imp = ifelse(___(___), ___, ___)) %>%
# Impute air_temp with its mean
___(air_temp = ifelse(___(___), ___(___, na.rm = ___), ___))
# Print the first 10 rows of tao_imp
head(tao_imp, 10)