匯整遺漏狀況
我們剛剛計算的遺漏摘要，提供了各個個案與變數中遺漏觀測值的數量與百分比。
另一種匯整遺漏的方法，是統計在某個變數或個案裡，遺漏值出現 0、1、2、3 次等各次數的筆數。
在這個練習中，你要使用 miss_var_table() 與 miss_case_table() 來統計每個變數與每個個案的遺漏值數量，並結合 dplyr 的 group_by 運算子，針對資料集中的分組變數進一步探索這些摘要。
本練習屬於課程
在 R 中處理遺漏值
練習說明
針對 airquality 資料集：
- 使用
miss_var_table()匯整每個變數的遺漏狀況。 - 使用
miss_case_table()匯整每個個案的遺漏狀況。 - 搭配
dplyr的group_by()函式，依Month建立每個變數與個案的遺漏匯整表。
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。
# Tabulate missingness in each variable and case of the `airquality` dataset
___(airquality)
___(___)
# Tabulate the missingness in each variable, grouped by Month, in the `airquality` dataset
airquality %>% group_by(___) %>% miss_var_table()
# Tabulate of missingness in each case, grouped by Month, in the `airquality` dataset
airquality %>% ___ %>% miss_case_table()