Kom igångKom igång gratis

Grupperade sammanfattningar av saknade värden

Nu när du kan skapa nabular-data är det dags att använda det för att utforska datamängden. Vi beräknar sammanfattande statistik baserat på saknade värden i en annan variabel.

Vi gör det i följande steg:

  • Först omvandlar bind_shadow() data till nabular-data.

  • Sedan sammanfattar vi data med group_by() och summarize() för att beräkna medelvärde och standardavvikelse med funktionerna mean() och sd().

Den här övningen är en del av kursen

Hantera saknade värden i R

Visa kurs

Övningsinstruktioner

  • För datamängden oceanbuoys:

  • Använd bind_shadow(), sedan group_by() för saknade värden i humidity (humidity_NA) och beräkna medelvärde och standardavvikelse för vind öst–väst (wind_ew) med summarize() från dplyr.

  • Upprepa detta, men beräkna sammanfattningar för vind nord–syd (wind_ns).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# `bind_shadow()` and `group_by()` humidity missingness (`humidity_NA`)
oceanbuoys %>%
  ___() %>%
  group_by(___) %>% 
  summarize(wind_ew_mean = mean(___), # calculate mean of wind_ew
            wind_ew_sd = ___)) # calculate standard deviation of wind_ew
  
# Repeat this, but calculating summaries for wind north south (`wind_ns`).
___ %>%
  ___ %>%
  group_by(___) %>%
  summarize(___ = ___(___),
            ___ = ___(___))
Redigera och kör kod