Zacznij terazZacznij za darmo

Grupowe podsumowania brakujących danych

Skoro już wiesz, jak tworzyć dane nabular, czas je wykorzystać do eksploracji. Obliczmy statystyki podsumowujące na podstawie brakujących wartości innej zmiennej.

W tym celu wykonamy następujące kroki:

  • Najpierw bind_shadow() przekształca dane w format nabular.

  • Następnie wykonaj podsumowania przy użyciu group_by() i summarize(), aby obliczyć średnią i odchylenie standardowe za pomocą funkcji mean() i sd().

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Dla zbioru danych oceanbuoys:

  • Użyj bind_shadow(), a następnie group_by() według brakujących wartości wilgotności (humidity_NA) i oblicz średnie oraz odchylenia standardowe dla wiatru wschód–zachód (wind_ew) za pomocą summarize() z pakietu dplyr.

  • Powtórz to samo, ale oblicz podsumowania dla wiatru północ–południe (wind_ns).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# `bind_shadow()` and `group_by()` humidity missingness (`humidity_NA`)
oceanbuoys %>%
  ___() %>%
  group_by(___) %>% 
  summarize(wind_ew_mean = mean(___), # calculate mean of wind_ew
            wind_ew_sd = ___)) # calculate standard deviation of wind_ew
  
# Repeat this, but calculating summaries for wind north south (`wind_ns`).
___ %>%
  ___ %>%
  group_by(___) %>%
  summarize(___ = ___(___),
            ___ = ___(___))
Edytuj i uruchom kod