BaşlayınÜcretsiz başlayın

Atamaları değerlendirme: Birçok değişken arasında

Şimdiye kadar tek tek değişkenlere veya değişken çiftlerine ve onların atanan (imputed) değerlerine bakmanın yollarını ele aldık. Ancak bazen birçok değişken için atamalara bakmak isteyebilirsin. Bunu yapmak için biraz veri düzenleme ve yeniden biçimlendirme yapman gerekir. Bu derste, özellikle nabular verilerinde kullanımı düşünüldüğünde biraz çetrefilli olabilen bu veri düzenleme adımlarını nasıl uygulayacağını göreceksin. shadow_long() fonksiyonu, bu tür görselleştirmeler için veriyi doğru biçime getirir.

Bu egzersiz, kursun bir parçasıdır

R'de Eksik Verilerle Başa Çıkma

Kursa Göz Atın

Egzersiz talimatları

  • shadow_long() kullanarak ocean_imp_mean içindeki atanan verileri topla; odak noktan humidity ve air_temp_c olsun.
  • Veriyi yazdır ve incele.
  • Atamaları bir histogramda geom_histogram() ile keşfet; değerleri x eksenine yerleştir, eksiklik durumuna göre doldur ve variable'a göre fasetle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Gather the imputed data 
ocean_imp_mean_gather <- shadow_long(___,
                                     ___,
                                     ___))
# Inspect the data
___

# Explore the imputations in a histogram 
ggplot(ocean_imp_mean_gather, 
       aes(x = value, fill = value_NA)) + 
  geom_histogram() + 
  facet_wrap(~variable)
Kodu Düzenle ve Çalıştır