ÎncepețiÎncepe gratuit

Creează o histogramă a datelor imputate

Acum că putem recrea prima vizualizare cu geom_miss_point(), să explorăm cum putem aplica aceasta și altor sarcini exploratorii.

Un lucru util este să evaluăm numărul de valori lipsă dintr-o variabilă folosind o histogramă. Putem face acest lucru cu setul de date ocean_imp_track creat în exercițiul anterior, care este deja încărcat în această sesiune.

Acest exercițiu face parte din cursul

Gestionarea datelor lipsă în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind datele imputate și urmărite, ocean_imp_track:

  • Explorează valorile din air_temp_c, vizualizând numărul de valori lipsă cu air_temp_c_NA.
  • Explorează valorile lipsă din humidity folosind humidity_NA.
  • Explorează valorile lipsă din air_temp_c în funcție de an, folosind facet_wrap(~year).
  • Explorează valorile lipsă din humidity în funcție de an, folosind facet_wrap(~year).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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(~___)
Editează și rulează codul