НачатьНачать бесплатно

Оценка импутаций: анализ множества переменных

До сих пор мы рассматривали способы анализа отдельных переменных или пар переменных и их импутированных значений. Однако иногда требуется оценить импутации сразу по многим переменным. Для этого необходимо выполнить преобразование и перестройку данных. В этом уроке рассматривается, как провести такую обработку данных — она может оказаться довольно непростой при работе с данными в формате nabular. Функция shadow_long() приводит данные к нужному виду для подобных визуализаций.

Это упражнение является частью курса

Работа с пропущенными данными в R

Посмотреть курс

Инструкции к упражнению

  • Используйте shadow_long(), чтобы собрать импутированные данные ocean_imp_mean, сосредоточившись на переменных humidity и air_temp_c.
  • Выведите данные на экран и изучите их.
  • Исследуйте импутации с помощью гистограммы, используя geom_histogram(): разместите значения по оси x, задайте заливку по признаку пропущенности и выполните фасетирование по variable.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Редактировать и запускать код