เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การอิมพิวต์ข้อมูลให้ต่ำกว่าช่วงข้อมูลด้วย nabular data

เราต้องการติดตามค่าที่ถูกอิมพิวต์ไว้ด้วย เพราะหากไม่ทำเช่นนั้น การประเมินความถูกต้องของค่าที่อิมพิวต์จะทำได้ยากมาก

ในแบบฝึกหัดนี้ เราจะฝึกอิมพิวต์ข้อมูลและสร้างภาพแสดงผลจากแบบฝึกหัดชุดก่อนหน้าขึ้นมาใหม่ โดยอิมพิวต์ค่าให้ต่ำกว่าช่วงของข้อมูล

วิธีนี้มีประโยชน์มากในการสำรวจรูปแบบค่าที่หายไป และยังเป็นโครงสร้างพื้นฐานสำหรับการอิมพิวต์ค่าที่หายไปอีกด้วย

เริ่มต้นด้วยการอิมพิวต์ข้อมูลให้ต่ำกว่าช่วงโดยใช้ impute_below_all() แล้วจึงแสดงภาพข้อมูล จะเห็นว่าแม้เราสามารถระบุตำแหน่งค่าที่หายไปได้ในกรณีนี้ แต่ยังต้องการวิธีติดตามค่าเหล่านั้นด้วย รูปแบบการเขียนโค้ดเพื่อติดตามข้อมูลที่หายไปจะช่วยแก้ปัญหานี้ได้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

โดยใช้ข้อมูล oceanbuoys:

  • อิมพิวต์ค่าให้ต่ำกว่าช่วงข้อมูลด้วย impute_below_all()
  • แสดงภาพค่าที่หายไปชุดใหม่ โดยให้ wind_ew อยู่บนแกน x และ air_temp_c อยู่บนแกน y
  • อิมพิวต์และติดตามข้อมูลด้วย bind_shadow(), impute_below_all() และ add_label_shadow()
  • แสดงกราฟและตรวจสอบค่าที่ถูกอิมพิวต์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)

# Visualize the new missing values
ggplot(___, 
       aes(x = ___, y = ___)) +  
  geom_point()

# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>% 
  ___() %>% 
  ___()

# Look at the imputed values
___
แก้ไขและรันโค้ด