มีค่าที่ขาดหายไปกี่ค่า?
สิ่งแรกที่ควรตรวจสอบเมื่อได้รับชุดข้อมูลใหม่คือ มีค่าที่ขาดหายไปหรือไม่ และมีจำนวนเท่าไร
แม้จะใช้ are_na() เพื่อนับค่าที่ขาดหายไปได้ แต่ วิธีที่มีประสิทธิภาพที่สุด คือการใช้ฟังก์ชัน n_miss() ซึ่งจะบอก จำนวนค่าที่ขาดหายไปทั้งหมด ในข้อมูล
นอกจากนี้ ยังสามารถหาเปอร์เซ็นต์ของค่าที่ขาดหายไปได้ด้วยฟังก์ชัน pct_miss ซึ่งจะแสดง เปอร์เซ็นต์ของค่าที่ขาดหายไป ในข้อมูล
ยังสามารถหาค่าตรงข้ามได้ด้วย นั่นคือจำนวนค่าที่สมบูรณ์ โดยใช้ n_complete และ pct_complete
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูลที่หายไปใน R
คำแนะนำการฝึกหัด
โดยใช้ dataframe ตัวอย่างที่เก็บข้อมูลส่วนสูงและน้ำหนัก dat_hw:
- ใช้
n_miss()กับ dataframedat_hwเพื่อนับจำนวนค่าที่ขาดหายไปทั้งหมดใน dataframe - ใช้
n_miss()กับตัวแปรdat_hw$weightเพื่อนับจำนวนค่าที่ขาดหายไปในตัวแปรนั้น - ในทำนองเดียวกัน ให้ใช้
prop_miss(),n_complete(), และprop_complete()เพื่อหาสัดส่วนของค่าที่ขาดหายไป รวมถึงจำนวนและสัดส่วนของค่าที่สมบูรณ์ ทั้งสำหรับ dataframe และตัวแปร
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Use n_miss() to count the total number of missing values in dat_hw
n_miss(___)
# Use n_miss() on dat_hw$weight to count the total number of missing values
n_miss(___$___)
# Use n_complete() on dat_hw to count the total number of complete values
n_complete(___)
# Use n_complete() on dat_hw$weight to count the total number of complete values
___(___$___)
# Use prop_miss() and prop_complete() on dat_hw to count the total number of missing values in each of the variables
prop_miss(____)
prop_complete(___)