Aan de slagBegin gratis

Maak een histogram van geimputeerde data

Nu we de eerste visualisatie van geom_miss_point() kunnen nabouwen, gaan we bekijken hoe we dit kunnen toepassen op andere verkennende taken.

Een handige taak is het beoordelen van het aantal missings in een bepaalde variabele met een histogram. Dat kan met de ocean_imp_track-gegevensset die we in de vorige oefening hebben gemaakt en die in deze sessie is geladen.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

Gebruik de geimputeerde en bijgehouden data, ocean_imp_track:

  • Verken de waarden van air_temp_c en visualiseer het aantal missings met air_temp_c_NA.
  • Verken de missings in humidity met humidity_NA.
  • Verken de missings in air_temp_c per jaar met facet_wrap(~year).
  • verken de missings in humidity per jaar met facet_wrap(~year).

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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(~___)
Code bewerken en uitvoeren