Zacznij terazZacznij za darmo

Tworzenie histogramu dla uzupełnionych danych

Skoro potrafimy już odtworzyć pierwszą wizualizację z użyciem geom_miss_point(), sprawdźmy, jak zastosować to podejście do innych zadań eksploracyjnych.

Jednym z przydatnych zadań jest ocena liczby brakujących wartości w danej zmiennej za pomocą histogramu. Możemy to zrobić, korzystając ze zbioru danych ocean_imp_track utworzonego w poprzednim ćwiczeniu, który jest już wczytany do bieżącej sesji.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając z uzupełnionych i śledzonych danych, ocean_imp_track:

  • Zbadaj wartości zmiennej air_temp_c, wizualizując liczbę braków za pomocą air_temp_c_NA.
  • Zbadaj braki w zmiennej humidity, używając humidity_NA.
  • Zbadaj braki w zmiennej air_temp_c według roku, używając facet_wrap(~year).
  • Zbadaj braki w zmiennej humidity według roku, używając facet_wrap(~year).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
Edytuj i uruchom kod