Aan de slagBegin gratis

Hoeveel missende waarden zijn er?

Een van de eerste dingen die je bij een nieuwe gegevensset wilt checken, is of er missende waarden zijn en hoeveel.

Je kunt are_na() gebruiken en de missende waarden optellen, maar de efficiëntste manier om missende waarden te tellen is met de functie n_miss(). Deze geeft je het totale aantal missende waarden in de data.

Met de functie pct_miss kun je vervolgens het percentage missende waarden in de data bepalen. Deze geeft je het percentage missende waarden in de data.

Je kunt ook het complement hiervan opvragen — hoeveel complete waarden er zijn — met n_complete en pct_complete.

Deze oefening maakt deel uit van de cursus

Omgaan met missende data in R

Bekijk cursus

Oefeninstructies

Gebruik de voorbeeld-dataframe met lengtes en gewichten dat_hw:

  • Gebruik n_miss() op de dataframe dat_hw om het totale aantal missende waarden in de dataframe te tellen.
  • Gebruik n_miss() op de variabele dat_hw$weight om het totale aantal missende waarden daarin te tellen.
  • Gebruik op vergelijkbare wijze prop_miss(), n_complete() en prop_complete() om de proportie missende waarden te krijgen, en het aantal en de proportie complete waarden voor de dataframe en de variabelen.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Use n_miss() to count the total number of missing values in dat_hw
n_miss(___)

# Use n_miss() on dat_hw$weight to count the total number of missing values
n_miss(___$___)

# Use n_complete() on dat_hw to count the total number of complete values
n_complete(___)

# Use n_complete() on dat_hw$weight to count the total number of complete values
___(___$___)

# Use prop_miss() and prop_complete() on dat_hw to count the total number of missing values in each of the variables
prop_miss(____)
prop_complete(___)
Code bewerken en uitvoeren