Aan de slagBegin gratis

Imputeren onder het bereik met nabular-gegevens

We willen bijhouden welke waarden we hebben geïmputeerd. Als we dat niet doen, is het heel lastig om te beoordelen hoe goed de geïmputeerde waarden zijn.

We gaan oefenen met imputeren en de visualisaties uit de vorige reeks oefeningen opnieuw maken door waarden onder het bereik van de gegevens te imputeren.

Dit is een handige manier om ontbrekende waarden verder te verkennen en biedt tegelijk een kader om missende waarden te imputeren.

Eerst imputeren we de gegevens onder het bereik met impute_below_all(), en visualiseren we de data. We zien dat we in dit geval kunnen aangeven waar de missende waarden zitten, maar we hebben ook een manier nodig om ze te volgen. Het programmeerpatroon voor het volgen van missende data helpt hierbij.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

Gebruik de oceanbuoys-gegevens:

  • Imputeer onder het bereik met impute_below_all().
  • Visualiseer de nieuwe missende waarden met wind_ew op de x-as en air_temp_c op de y-as.
  • Imputeer en volg data met bind_shadow(), impute_below_all() en add_label_shadow().
  • Toon de grafiek en bekijk de geïmputeerde waarden.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)

# Visualize the new missing values
ggplot(___, 
       aes(x = ___, y = ___)) +  
  geom_point()

# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>% 
  ___() %>% 
  ___()

# Look at the imputed values
___
Code bewerken en uitvoeren