Dane nabular i podsumowania według brakujących wartości
W tym ćwiczeniu sprawdzimy, jak używać danych nabular do analizowania zmienności jednej zmiennej w zależności od brakujących wartości innej.
Skorzystamy ze zbioru danych oceanbuoys z pakietu naniar, a następnie tworzyć wykresy przy użyciu faset.
To pozwoli ci zbadać różne warstwy brakujących danych.
To ćwiczenie jest częścią kursu
Praca z brakującymi danymi w R
Instrukcje do ćwiczenia
- Zbadaj rozkład wiatru wschód–zachód (
wind_ew) w zależności od brakujących wartości temperatury powietrza — użyjgeom_density()i podziel wykres na fasety według zmiennejair_temp_c_NA. - Rozbuduj tę wizualizację, wypełniając kolorem według brakujących wartości wilgotności (
humidity_NA).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Explore the distribution of wind east west (wind_ew) for the missingness of air temperature
# using geom_density() and faceting by the missingness of air temperature (air_temp_c_NA).
___ %>%
bind_shadow(___) %>%
ggplot(aes(x = ___)) +
geom_density() +
facet_wrap(~___)
# Build upon this visualization by coloring by the missingness of humidity (humidity_NA).
___ %>%
___(___) %>%
ggplot(aes(x = ___,
color = ___)) +
geom_density() +
___(~___)