使用 nabular 数据将值填补到范围下方
我们希望记录下自己填补过的数值。否则将很难评估这些填补值的质量如何。
我们将练习对数据进行填补，并通过将值填补到数据范围下方，复现上一组练习中的可视化。
这种方法有助于进一步探索缺失情况，也为缺失值填补提供了一个通用框架。
首先，使用 impute_below_all() 将数据填补到范围下方，然后对数据进行可视化。我们会注意到，虽然在这个例子中能看到缺失值的位置，但仍需要一种方式来跟踪它们。用于跟踪缺失数据的编程模式可以帮助实现这一点。
本练习是课程的一部分
在 R 中处理缺失数据
练习说明
使用 oceanbuoys 数据：
- 使用
impute_below_all()将值填补到范围下方。 - 可视化新出现的缺失值：x 轴为
wind_ew，y 轴为air_temp_c。 - 使用
bind_shadow()、impute_below_all()和add_label_shadow()对数据进行填补并跟踪。 - 显示图形并检查填补后的数值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Impute the oceanbuoys data below the range using `impute_below`.
ocean_imp <- impute_below_all(___)
# Visualize the new missing values
ggplot(___,
aes(x = ___, y = ___)) +
geom_point()
# Impute and track data with `bind_shadow`, `impute_below_all`, and `add_label_shadow`
ocean_imp_track <- bind_shadow(___) %>%
___() %>%
___()
# Look at the imputed values
___