Phân ô (faceting) để khám phá dữ liệu thiếu (nhiều biểu đồ)
Một kỹ thuật hữu ích khác với geommisspoint() là khám phá dữ liệu thiếu bằng cách tạo nhiều biểu đồ.
Tương tự như các bài trước, bạn có thể dùng dữ liệu nabular để tạo thêm các biểu đồ phân ô.
Thậm chí, bạn có thể tạo nhiều biểu đồ phân ô theo các giá trị trong dữ liệu, như year, và theo các đặc trưng của dữ liệu, như tình trạng thiếu dữ liệu.
Bài tập này là một phần của khóa học
Xử lý dữ liệu thiếu trong R
Hướng dẫn bài tập
- Dùng
geom_miss_point()vàfacet_wrap()để khám phá cách dữ liệu thiếu ởwind_ewvàair_temp_ckhác nhau theo tình trạng thiếu củahumidity. - Dùng
geom_miss_point()vàfacet_grid()để khám phá cách dữ liệu thiếu ởwind_ewvàair_temp_ckhác nhau theo tình trạng thiếu củahumidityvà theoyear.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Use geom_miss_point() and facet_wrap to explore how the missingness
# in wind_ew and air_temp_c is different for missingness of humidity
bind_shadow(oceanbuoys) %>%
ggplot(aes(x = ___,
y = ___)) +
geom_miss_point() +
facet_wrap(~___)
# Use geom_miss_point() and facet_grid to explore how the missingness in wind_ew and air_temp_c
# is different for missingness of humidity AND by year - by using `facet_grid(humidity_NA ~ year)`
bind_shadow(oceanbuoys) %>%
ggplot(aes(x = ___,
y = ___)) +
geom_miss_point() +
facet_grid(humidity_NA~year)