使用 nabular 資料在範圍下方進行插補
我們希望能追蹤自己插補過的數值。若不這麼做，就很難評估插補結果的品質。
我們要練習插補資料，並透過將數值插補到資料範圍以下，重現前面練習中的視覺化。
這樣做能更進一步探索遺漏情形，也同時提供插補遺漏值的基本框架。
首先，使用 impute_below_all() 將資料插補到範圍以下，接著進行視覺化。我們會注意到，雖然這次能看出遺漏值的位置，但仍需要某種方法來追蹤它們。追蹤遺漏資料的程式設計樣式可以協助你達成這件事。
本練習屬於課程
在 R 中處理遺漏值
練習說明
使用 oceanbuoys 資料：
- 使用
impute_below_all()將數值插補到資料範圍以下。 - 視覺化新的遺漏值：x 軸放
wind_ew、y 軸放air_temp_c。 - 使用
bind_shadow()、impute_below_all()和add_label_shadow()進行插補並追蹤資料。 - 繪製圖形並檢查插補後的數值。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)
# Visualize the new missing values
ggplot(___,
aes(x = ___, y = ___)) +
geom_point()
# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>%
___() %>%
___()
# Look at the imputed values
___