Zacznij terazZacznij za darmo

Inne podsumowania brakujących danych

Niektóre podsumowania brakujących danych są szczególnie przydatne w przypadku określonych typów danych. Przykładem są miss_var_span() i miss_var_run().

  • miss_var_span() oblicza liczbę brakujących wartości w podanej zmiennej dla powtarzającego się przedziału. Jest to bardzo przydatne w danych szeregów czasowych – pozwala szukać tygodniowych (7-dniowych) wzorców brakujących danych.

  • miss_var_run() oblicza liczbę „serii" lub „ciągów" brakujących wartości. Przydaje się do wykrywania nietypowych wzorców braków – na przykład powtarzającego się schematu: 5 kompletnych wartości i 5 brakujących.

Obie funkcje, miss_var_span() i miss_var_run(), działają z operatorem group_by z pakietu dplyr.

To ćwiczenie jest częścią kursu

Praca z brakującymi danymi w R

Zobacz kurs

Instrukcje do ćwiczenia

Korzystając ze zbioru danych pedestrian z pakietu naniar:

  • Oblicz podsumowania brakujących wartości dla zmiennych w zbiorze danych, używając miss_var_span() z przedziałem równym 4000.
  • Oblicz podsumowania brakujących wartości dla obserwacji w zbiorze danych, używając miss_var_run().
  • Połącz wyniki z operatorem group_by z pakietu dplyr, grupując według zmiennej month.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Calculate the summaries for each run of missingness for the variable, hourly_counts
miss_var_run(pedestrian, var = ___)

# Calculate the summaries for each span of missingness, 
# for a span of 4000, for the variable hourly_counts
miss_var_span(pedestrian, var = ___, span_every = ___)

# For each `month` variable, calculate the run of missingness for hourly_counts
pedestrian %>% group_by(month) %>% ___()

# For each `month` variable, calculate the span of missingness 
# of a span of 2000, for the variable hourly_counts
pedestrian %>% group_by(___) %>% ___(var = ___, span_every = ___)
Edytuj i uruchom kod