Aan de slagBegin gratis

Imputaties evalueren: Over veel variabelen

Tot nu toe hebben we manieren behandeld om naar afzonderlijke variabelen of paren van variabelen en hun imputaties te kijken. Soms wil je echter naar imputaties voor veel variabelen tegelijk kijken. Daarvoor moet je wat data-voorbewerking en herstructurering doen. In deze les leer je hoe je deze data wrangling uitvoert, wat best ingewikkeld kan worden bij gebruik in nabular-data. De functie shadow_long() brengt de data in de juiste vorm voor dit soort visualisaties.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

  • Gebruik shadow_long() om de geïmputeerde data ocean_imp_mean te verzamelen, met focus op humidity en air_temp_c.
  • Print de data en bekijk deze.
  • Verken de imputaties in een histogram met geom_histogram(), zet de waarden op de x-as, vul op basis van hun missingness en facet op variable.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Code bewerken en uitvoeren