เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างฮิสโตแกรมของข้อมูลที่ถูก impute

เมื่อสามารถสร้างภาพแสดงผลแบบแรกด้วย geom_miss_point() ได้แล้ว มาดูกันว่าจะนำแนวทางนี้ไปใช้กับงานสำรวจข้อมูลอื่น ๆ ได้อย่างไร

งานที่มีประโยชน์อย่างหนึ่งคือการประเมินจำนวนค่าที่ขาดหายไปในตัวแปรหนึ่ง ๆ ด้วยฮิสโตแกรม ซึ่งทำได้โดยใช้ชุดข้อมูล ocean_imp_track ที่สร้างขึ้นในแบบฝึกหัดก่อนหน้า ซึ่งโหลดไว้ในเซสชันนี้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

โดยใช้ข้อมูลที่ถูก impute และติดตามแล้ว ocean_imp_track:

  • สำรวจค่าของ air_temp_c โดยแสดงจำนวนค่าที่ขาดหายด้วย air_temp_c_NA
  • สำรวจค่าที่ขาดหายใน humidity โดยใช้ humidity_NA
  • สำรวจค่าที่ขาดหายใน air_temp_c แยกตามปี โดยใช้ facet_wrap(~year)
  • สำรวจค่าที่ขาดหายใน humidity แยกตามปี โดยใช้ facet_wrap(~year)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Explore the values of air_temp_c, visualizing the amount of missings with `air_temp_c_NA`.
p <- ggplot(___, aes(x = ___, fill = ___)) +  ___()

# Expore the missings in humidity using humidity_NA
p2 <- ggplot(___,  aes(x = ___, fill = ___)) + ___()

# Explore the missings in air_temp_c according to year, using `facet_wrap(~year)`.
p + facet_wrap(~___)

# Explore the missings in humidity according to year, using `facet_wrap(~year)`.
p2 + facet_wrap(~___)
แก้ไขและรันโค้ด