Zacznij terazZacznij za darmo

Dane nabular i uzupełnianie na podstawie braków

Statystyki podsumowujące są przydatne, ale jak mówi stare powiedzenie – jeden obraz wart jest więcej niż tysiąc słów.

W tym ćwiczeniu sprawdzisz, jak używać danych w formacie nabular, aby zbadać zmienność jednej zmiennej w zależności od braków danych w innej.

Skorzystamy ze zbioru danych oceanbuoys z pakietu naniar.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Najpierw zbadaj strukturę braków danych w zbiorze oceanbuoys za pomocą vis_miss().
  • Zbadaj rozkład prędkości wiatru wschód-zachód (wind_ew) w zależności od braków danych w temperaturze powietrza, używając geom_density().
  • Zbadaj rozkład temperatury morza w zależności od braków danych w wilgotności, używając geom_density().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# First explore the missingness structure of `oceanbuoys` using `vis_miss()`
vis_miss(___)

# Explore the distribution of `wind_ew` for the missingness  
# of `air_temp_c_NA` using  `geom_density()`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___, 
             color = air_temp_c_NA)) + 
  geom_density()

# Explore the distribution of sea temperature for the  
# missingness of humidity (humidity_NA) using  `geom_density()`
  ___(___) %>%
  ggplot(aes(x = ___,
             color = ___)) + 
  geom_density()
Edytuj i uruchom kod