Kom igångKom igång gratis

Nabulärdata och gruppering efter saknade värden

Sammanfattande statistik är användbart, men som man brukar säga – en bild säger mer än tusen ord.

I den här övningen ska du utforska hur du kan använda nabular-data för att undersöka variationen i en variabel utifrån om en annan variabel har saknade värden.

Vi använder datamängden oceanbuoys från naniar.

Den här övningen är en del av kursen

Hantera saknade värden i R

Visa kurs

Övningsinstruktioner

  • Utforska först strukturen för saknade värden i oceanbuoys med vis_miss().
  • Undersök fördelningen av öst-västlig vindstyrka (wind_ew) utifrån om lufttemperatur saknas, med hjälp av geom_density().
  • Undersök fördelningen av havstemperatur utifrån om luftfuktighet saknas, med hjälp av geom_density().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# First explore the missingness structure of `oceanbuoys` using `vis_miss()`
vis_miss(___)

# Explore the distribution of `wind_ew` for the missingness  
# of `air_temp_c_NA` using  `geom_density()`
bind_shadow(oceanbuoys) %>%
  ggplot(aes(x = ___, 
             color = air_temp_c_NA)) + 
  geom_density()

# Explore the distribution of sea temperature for the  
# missingness of humidity (humidity_NA) using  `geom_density()`
  ___(___) %>%
  ggplot(aes(x = ___,
             color = ___)) + 
  geom_density()
Redigera och kör kod