Nabular data en samenvatten op basis van missings
In deze oefening ga je verkennen hoe je nabular data kunt gebruiken om de variatie in een variabele te bekijken op basis van de missings van een andere.
We gebruiken de oceanbuoys-gegevensset uit naniar en maken vervolgens meerdere plots van de data met facets.
Zo kun je verschillende lagen van missings onderzoeken.
Deze oefening maakt deel uit van de cursus
Omgaan met missende data in R
Oefeninstructies
- Verken de verdeling van wind oost-west (
wind_ew) voor de missings van de luchttemperatuur metgeom_density()en facet op de missings van de luchttemperatuur (air_temp_c_NA). - Breid deze visualisatie uit door te vullen op basis van de missings van de luchtvochtigheid (
humidity_NA).
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Explore the distribution of wind east west (wind_ew) for the missingness of air temperature
# using geom_density() and faceting by the missingness of air temperature (air_temp_c_NA).
___ %>%
bind_shadow(___) %>%
ggplot(aes(x = ___)) +
geom_density() +
facet_wrap(~___)
# Build upon this visualization by coloring by the missingness of humidity (humidity_NA).
___ %>%
___(___) %>%
ggplot(aes(x = ___,
color = ___)) +
geom_density() +
___(~___)