以平均值補齊溫度
以平均值補值可能有風險。若你要以平均值補齊的變數和其他變數有相關性，補入的值可能會破壞這些相關性。你在前一題分析 air_temp 變數時已經看到端倪。
為了確認這些疑慮是否成立，在本題中你將對 air_temp 進行平均值補值，同時建立一個二元指標來標示哪些值是被補入的。這個指標在下一題評估補值效果時會派上用場。現在就把遺漏值補起來吧！
本練習屬於課程
在 R 中以插補處理遺漏值
練習說明
- 在修改
tao的管線中，建立一個名為air_temp_imp的新變數：當air_temp為遺漏值時為TRUE，否則為FALSE。 - 接著在同一個管線中，當
air_temp為遺漏值時以其平均值覆寫，否則維持原狀，並將結果指定為tao_imp。
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。
tao_imp <- tao %>%
# Create a binary indicator for missing values in air_temp
___(air_temp_imp = ifelse(___(___), ___, ___)) %>%
# Impute air_temp with its mean
___(air_temp = ifelse(___(___), ___(___, na.rm = ___), ___))
# Print the first 10 rows of tao_imp
head(tao_imp, 10)