Trực quan hóa các mẫu thiếu dữ liệu

Hãy luyện tập vài cách khác nhau để trực quan hóa các mẫu thiếu dữ liệu bằng cách dùng:

gg_miss_upset() để xem bức tranh tổng thể về mẫu thiếu dữ liệu.
gg_miss_fct() cho bộ dữ liệu có một biến phân loại bạn quan tâm: hôn nhân.
và gg_miss_span() để khám phá dữ liệu thiếu trong một chuỗi thời gian.

Bạn nhận thấy gì về dữ liệu thiếu và việc phân ô (faceting) trong dữ liệu?

Khám phá mẫu thiếu dữ liệu của bộ dữ liệu airquality với gg_miss_upset().
Khám phá cách thiếu dữ liệu thay đổi trong bộ dữ liệu riskfactors theo biến marital bằng gg_miss_fct()
Khám phá cách thiếu dữ liệu thay đổi trong bộ dữ liệu pedestrian theo biến hourly_counts với khoảng 3000 (bạn cũng có thể thử các khoảng từ 2000–5000).
Khám phá tác động của month lên hourly_counts bằng cách đưa nó vào tham số facet, với khoảng 1000.