Aan de slagBegin gratis

Nabular data en vullen op basis van missingness

Samenvattende statistieken zijn handig om te berekenen, maar zoals ze zeggen: een plaatje zegt meer dan duizend woorden.

In deze oefening ga je verkennen hoe je nabular data kunt gebruiken om de variatie in een variabele te bekijken op basis van de missingness van een andere.

We gebruiken de oceanbuoys-gegevensset uit naniar.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

  • Verken eerst de missingness-structuur van oceanbuoys met vis_miss().
  • Verken de verdeling van wind oost-west (wind_ew) voor de missingness van luchttemperatuur met geom_density().
  • Verken de verdeling van zeetemperatuur voor de missingness van luchtvochtigheid met geom_density().

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# First explore the missingness structure of `oceanbuoys` using `vis_miss()`
vis_miss(___)

# Explore the distribution of `wind_ew` for the missingness  
# of `air_temp_c_NA` using  `geom_density()`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___, 
             color = air_temp_c_NA)) + 
  geom_density()

# Explore the distribution of sea temperature for the  
# missingness of humidity (humidity_NA) using  `geom_density()`
  ___(___) %>%
  ggplot(aes(x = ___,
             color = ___)) + 
  geom_density()
Code bewerken en uitvoeren