ComeçarComece de graça

Crie um histograma dos dados imputados

Agora que conseguimos recriar a primeira visualização de geom_miss_point(), vamos explorar como aplicar isso a outras tarefas exploratórias.

Uma tarefa útil é avaliar a quantidade de valores ausentes em uma variável usando um histograma. Podemos fazer isso usando o conjunto de dados ocean_imp_track que criamos no último exercício, já carregado nesta sessão.

Este exercício faz parte do curso

Lidando com dados ausentes em R

Ver curso

Instruções do exercício

Usando os dados imputados e rastreados, ocean_imp_track:

  • Explore os valores de air_temp_c, visualizando a quantidade de ausentes com air_temp_c_NA.
  • Explore os ausentes em humidity usando humidity_NA.
  • Explore os ausentes em air_temp_c por ano, usando facet_wrap(~year).
  • Explore os ausentes em humidity por ano, usando facet_wrap(~year).

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
Editar e executar o código