用邊際圖評估插補品質
在上一個練習中，你已經對 air_temp 做了平均值插補，並加入一個指示變數來標記哪些值是被插補的，名稱為 air_temp_imp。現在該來看看效果如何了。
檢視 tao 資料時，你可能注意到其中還有一個變數 sea_surface_temp，合理地可以預期它會與 air_temp 呈正相關。若真如此，這兩個溫度通常會同時偏高或同時偏低。當海溫很高或很低時，若將氣溫以平均值插補，這種關聯就會被破壞。
為了驗證這點，在本練習中你會選取這兩個溫度變數與指示變數，並用它們繪製邊際圖。讓我們來評估平均值插補吧！
本練習屬於課程
在 R 中以插補處理遺漏值
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。
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(___, ___, ___) %>%
___(delimiter = ___)