ПочатиПочніть безкоштовно

Візуалізуйте імпутовані значення на точковій діаграмі

Тепер відтворімо один із попередніх графіків з третього розділу, де використовували geom_miss_point().

Для цього потрібно імпутувати дані нижче діапазону наявних значень. Це спеціальний тип імпутації для дослідження даних. Така імпутація покаже, що саме ми маємо відпрацювати: як відстежувати пропущені значення. Щоб імпутувати дані нижче діапазону, скористайтеся функцією impute_below_all().

Ця вправа є частиною курсу

Робота з пропущеними даними в R

Переглянути курс

Інструкції до вправи

Використовуючи дані oceanbuoys:

  • Імпутуйте та відстежуйте пропущені значення за допомогою bind_shadow(), impute_below_all() і add_label_shadow().
  • Візуалізуйте пропущеність для швидкості вітру та температури повітря на осях x та y відповідно, зафарбувавши пропущені значення температури повітря через air_temp_c_NA.
  • Візуалізуйте вологість і температуру повітря на осях x та y відповідно, зафарбувавши будь-які випадки з пропусками змінною any_missing.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код