Zacznij terazZacznij za darmo

Ocena imputacji: wiele zmiennych naraz

Do tej pory omawialiśmy sposoby analizowania pojedynczych zmiennych lub par zmiennych wraz z ich zaimputowanymi wartościami. Czasem jednak chcesz przyjrzeć się imputacjom dla wielu zmiennych jednocześnie. Wymaga to odpowiedniego przekształcenia i reorganizacji danych. Ta lekcja pokazuje, jak wykonać takie przekształcenia – które w przypadku danych w formacie nabular mogą być nieco skomplikowane. Funkcja shadow_long() pozwala nadać danym właściwą postać potrzebną do tego rodzaju wizualizacji.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Użyj funkcji shadow_long(), aby zebrać zaimputowane dane z ocean_imp_mean, skupiając się na zmiennych humidity i air_temp_c.
  • Wyświetl dane i przejrzyj je.
  • Zbadaj imputacje na histogramie za pomocą geom_histogram(), umieszczając wartości na osi x, wypełniając kolorem według obecności braków danych i dzieląc wykres na panele według zmiennej variable.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Edytuj i uruchom kod