НачатьНачать бесплатно

Построение гистограммы по импутированным данным

Теперь, когда мы умеем воссоздавать первую визуализацию с помощью geom_miss_point(), давайте рассмотрим, как применить этот подход к другим задачам разведочного анализа.

Одна из полезных задач — оценить количество пропусков в заданной переменной с помощью гистограммы. Для этого воспользуемся набором данных ocean_imp_track, созданным в предыдущем упражнении: он уже загружен в текущую сессию.

Это упражнение является частью курса

Работа с пропущенными данными в R

Посмотреть курс

Инструкции к упражнению

Используя набор данных с заполненными и отслеживаемыми пропусками, ocean_imp_track:

  • Исследуйте значения air_temp_c, визуализировав количество пропусков с помощью air_temp_c_NA.
  • Исследуйте пропуски в humidity с помощью humidity_NA.
  • Исследуйте пропуски в air_temp_c в разбивке по годам, используя facet_wrap(~year).
  • Исследуйте пропуски в humidity в разбивке по годам, используя facet_wrap(~year).

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(~___)
Редактировать и запускать код