Kom igångKom igång gratis

Facettering för att utforska saknade värden (flera diagram)

En annan användbar teknik med geom_miss_point() är att utforska saknade värden genom att skapa flera diagram.

Precis som i tidigare övningar kan vi använda nabular-data för att skapa ytterligare facetterade diagram.

Vi kan till och med skapa flera facetterade diagram baserade på värden i datamängden, till exempel år, och på egenskaper hos datamängden, till exempel saknade värden.

Den här övningen är en del av kursen

Hantera saknade värden i R

Visa kurs

Övningsinstruktioner

  • Använd geom_miss_point() och facet_wrap() för att undersöka hur de saknade värdena i wind_ew och air_temp_c skiljer sig beroende på om humidity saknas eller inte.
  • Använd geom_miss_point() och facet_grid() för att undersöka hur de saknade värdena i wind_ew och air_temp_c skiljer sig beroende på saknade värden för humidity och efter year.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Use geom_miss_point() and facet_wrap to explore how the missingness  
# in wind_ew and air_temp_c is different for missingness of humidity
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
           y = ___)) + 
  geom_miss_point() + 
  facet_wrap(~___)

# Use geom_miss_point() and facet_grid to explore how the missingness in wind_ew and air_temp_c 
# is different for missingness of humidity AND by year - by using `facet_grid(humidity_NA ~ year)`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___,
             y = ___)) + 
  geom_miss_point() + 
  facet_grid(humidity_NA~year)
Redigera och kör kod