Zacznij terazZacznij za darmo

Wizualizacja imputowanych wartości na wykresie punktowym

Teraz odtwórzmy jeden z wykresów z rozdziału trzeciego, który korzystał z funkcji geom_miss_point().

W tym celu musimy imputować dane poniżej zakresu zbioru danych. To specjalny rodzaj imputacji służący do eksploracji danych – pozwala zobaczyć, jak śledzić brakujące wartości. Do imputacji danych poniżej zakresu służy funkcja impute_below_all().

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając z danych oceanbuoys:

  • Zaimputuj brakujące wartości i śledź je, używając funkcji bind_shadow(), impute_below_all() oraz add_label_shadow().
  • Zwizualizuj brakujące dane dla prędkości wiatru i temperatury powietrza, umieszczając je odpowiednio na osi x i y, a brakujące wartości temperatury powietrza oznacz kolorem za pomocą air_temp_c_NA.
  • Zwizualizuj wilgotność i temperaturę powietrza, umieszczając je odpowiednio na osi x i y, a wszelkie obserwacje z brakującymi wartościami oznacz kolorem za pomocą zmiennej any_missing.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Impute and track the missing values
ocean_imp_track <- bind_shadow(___) %>% 
  impute_below_all() %>% 
  add_label_shadow()

# Visualize the missingness in wind and air temperature,  
# coloring missing air temp values with air_temp_c_NA
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Visualize humidity and air temp, coloring any missing cases using the variable any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) +  
  geom_point()
Edytuj i uruchom kod