BaşlayınÜcretsiz başlayın

Dağılım grafiğinde impute edilmiş değerleri görselleştir

Şimdi, üçüncü bölümde geom_miss_point() kullandığımız önceki grafiklerden birini yeniden oluşturalım.

Bunu yapmak için, veriyi veri aralığının altına imputee etmemiz gerekiyor. Bu, veriyi keşfetmek için kullanılan özel bir imputation türüdür. Bu imputation, pratik etmemiz gereken şeyi gösterecek: eksik değerleri nasıl takip edeceğimizi. Veriyi aralığın altına impute etmek için impute_below_all() fonksiyonunu kullanıyoruz.

Bu egzersiz, kursun bir parçasıdır

R'de Eksik Verilerle Başa Çıkma

Kursa Göz Atın

Egzersiz talimatları

oceanbuoys verisini kullanarak:

  • bind_shadow(), impute_below_all() ve add_label_shadow() ile eksik değerleri imputee et ve takip et.
  • X ekseninde rüzgâr, Y ekseninde hava sıcaklığının kayıplığını görselleştir; eksik hava sıcaklığı değerlerini air_temp_c_NA ile renklendir.
  • X ekseninde nem, Y ekseninde hava sıcaklığını görselleştir; eksik değer içeren tüm gözlemleri any_missing değişkeniyle renklendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Impute and track the missing values
ocean_imp_track <- bind_shadow(___) %>% 
  impute_below_all() %>% 
  add_label_shadow()

# Visualize the missingness in wind and air temperature,  
# coloring missing air temp values with air_temp_c_NA
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) + 
  geom_point()

# Visualize humidity and air temp, coloring any missing cases using the variable any_missing
ggplot(___, 
       aes(x = ___, y = ___, color = ___)) +  
  geom_point()
Kodu Düzenle ve Çalıştır