Nabular 資料與依遺漏狀態填補
摘要統計很有用，但俗話說，一張圖勝過千言萬語。
在這個練習中，你將學習如何使用 nabular 資料，依另一個變數的遺漏狀態來探索某變數的變異。
我們會使用 naniar 套件中的 oceanbuoys 資料集。
本練習屬於課程
在 R 中處理遺漏值
練習說明
- 先用
vis_miss()探索oceanbuoys的遺漏結構。 - 使用
geom_density()，依空氣溫度的遺漏狀態，探索東西向風（wind_ew）的分布。 - 使用
geom_density()，依濕度的遺漏狀態，探索海水溫度的分布。
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。
# First explore the missingness structure of `oceanbuoys` using `vis_miss()`
vis_miss(___)
# Explore the distribution of `wind_ew` for the missingness
# of `air_temp_c_NA` using `geom_density()`
bind_shadow(oceanbuoys) %>%
ggplot(aes(x = ___,
color = air_temp_c_NA)) +
geom_density()
# Explore the distribution of sea temperature for the
# missingness of humidity (humidity_NA) using `geom_density()`
___(___) %>%
ggplot(aes(x = ___,
color = ___)) +
geom_density()