對遺漏情形做分組彙總
現在你已經能建立 nabular 資料了，接下來用它來探索資料。讓我們依據另一個變數的遺漏情形來計算摘要統計。
我們將依以下步驟進行：
先用
bind_shadow()將資料轉成 nabular 資料。接著，使用
group_by()和summarize()在資料上進行彙總，搭配mean()與sd()計算平均數與標準差。
本練習屬於課程
在 R 中處理遺漏值
練習說明
針對
oceanbuoys資料集：先用
bind_shadow()，再以group_by()依濕度的遺漏情形（humidity_NA）分組，並使用 dplyr 的summarize()計算風向東西（wind_ew）的平均與標準差。以相同方式重做一次，但改為計算風向南北（
wind_ns）的彙總。
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。
# `bind_shadow()` and `group_by()` humidity missingness (`humidity_NA`)
oceanbuoys %>%
___() %>%
group_by(___) %>%
summarize(wind_ew_mean = mean(___), # calculate mean of wind_ew
wind_ew_sd = ___)) # calculate standard deviation of wind_ew
# Repeat this, but calculating summaries for wind north south (`wind_ns`).
___ %>%
___ %>%
group_by(___) %>%
summarize(___ = ___(___),
___ = ___(___))