เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การสรุปข้อมูลแบบกลุ่มตามค่าสูญหาย

เมื่อสร้าง nabular data ได้แล้ว ลองนำมาใช้สำรวจข้อมูลกัน โดยจะคำนวณสถิติสรุปตามค่าสูญหายของตัวแปรอื่น

ขั้นตอนมีดังนี้:

  • ขั้นแรก ใช้ bind_shadow() เพื่อแปลงข้อมูลให้เป็น nabular data

  • จากนั้น ใช้ group_by() และ summarize() เพื่อคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ด้วยฟังก์ชัน mean() และ sd()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูลที่หายไปใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สำหรับชุดข้อมูล oceanbuoys:

  • ใช้ bind_shadow() จากนั้น group_by() ตามค่าสูญหายของความชื้น (humidity_NA) แล้วคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของลมทิศตะวันออก-ตะวันตก (wind_ew) ด้วย summarize() จาก dplyr

  • ทำซ้ำขั้นตอนเดิม แต่คำนวณสถิติสรุปสำหรับลมทิศเหนือ-ใต้ (wind_ns) แทน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# `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(___ = ___(___),
            ___ = ___(___))
แก้ไขและรันโค้ด