Zacznij terazZacznij za darmo

Użycie fasetowania do eksploracji braków danych (wiele wykresów)

Kolejną przydatną techniką przy użyciu geom_miss_point() jest eksploracja braków danych za pomocą wielu wykresów.

Podobnie jak w poprzednich ćwiczeniach, możemy skorzystać z danych w formacie nabular, aby tworzyć dodatkowe wykresy fasetowane.

Można nawet tworzyć wiele wykresów fasetowanych według wartości w danych, np. roku, oraz według cech danych, takich jak brakowanie wartości.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Użyj geom_miss_point() i facet_wrap(), aby zbadać, jak brakowanie wartości w zmiennych wind_ew i air_temp_c różni się w zależności od brakowania wartości zmiennej humidity.
  • Użyj geom_miss_point() i facet_grid(), aby zbadać, jak brakowanie wartości w zmiennych wind_ew i air_temp_c różni się w zależności od brakowania wartości zmiennej humidity oraz od wartości zmiennej year.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Use geom_miss_point() and facet_wrap to explore how the missingness  
# in wind_ew and air_temp_c is different for missingness of humidity
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
           y = ___)) + 
  geom_miss_point() + 
  facet_wrap(~___)

# Use geom_miss_point() and facet_grid to explore how the missingness in wind_ew and air_temp_c 
# is different for missingness of humidity AND by year - by using `facet_grid(humidity_NA ~ year)`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
             y = ___)) + 
  geom_miss_point() + 
  facet_grid(humidity_NA~year)
Edytuj i uruchom kod