BaşlayınÜcretsiz başlayın

Eksiklik desenlerini görselleştirme

Hadi eksiklik desenlerini görselleştirmenin birkaç farklı yolunu pratik edelim:

  • Genel eksiklik desenini görmek için gg_miss_upset().
  • İlgi çekici bir faktöre sahip bir veri kümesi (evlilik durumu) için gg_miss_fct().
  • Zaman serisi veri kümesindeki eksikliği keşfetmek için de gg_miss_span().

Verideki eksiklik ve faketleme ile ilgili neler fark ediyorsun?

Bu egzersiz, kursun bir parçasıdır

R'de Eksik Verilerle Başa Çıkma

Kursa Göz Atın

Egzersiz talimatları

  • airquality veri kümesinin eksiklik desenini gg_miss_upset() ile keşfet.
  • riskfactors veri kümesinde eksikliğin marital değişkenine göre nasıl değiştiğini gg_miss_fct() kullanarak incele.
  • pedestrian veri kümesinde hourly_counts değişkenindeki eksikliğin 3000’lik bir aralıkta (istersen 2000-5000 arasında farklı aralıklar da deneyebilirsin) nasıl değiştiğini keşfet.
  • month değişkenini facet argümanına ekleyerek, 1000’lik bir aralıkla hourly_counts üzerindeki etkisini incele.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Using the airquality dataset, explore the missingness pattern using gg_miss_upset()
gg_miss_upset(airquality)

# With the riskfactors dataset, explore how the missingness changes across the marital variable using gg_miss_fct()
gg_miss_fct(x = riskfactors, fct = marital)

# Using the pedestrian dataset, explore how the missingness of hourly_counts changes over a span of 3000 
gg_miss_span(pedestrian, var = ___, span_every = ___)

# Using the pedestrian dataset, explore the impact of month by faceting by month
# and explore how missingness changes for a span of 1000
____(___, var = ___ , span_every = ___, facet = ___)
Kodu Düzenle ve Çalıştır