Nabular 数据与按缺失情况汇总
在本练习中，我们将学习如何使用 nabular 数据，根据一个变量的缺失情况来探索另一个变量的变化。
我们将使用 naniar 中的 oceanbuoys 数据集，并通过分面创建多幅数据图。
这样可以让您探索不同层次的缺失情况。
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
geom_density()并按空气温度的缺失情况（air_temp_c_NA）分面，探索风向东西分量（wind_ew）在空气温度缺失情况下的分布。 - 在此可视化基础上，按湿度的缺失情况（
humidity_NA）进行填充，以进一步完善图形。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Explore the distribution of wind east west (wind_ew) for the missingness of air temperature
# using geom_density() and faceting by the missingness of air temperature (air_temp_c_NA).
___ %>%
bind_shadow(___) %>%
ggplot(aes(x = ___)) +
geom_density() +
facet_wrap(~___)
# Build upon this visualization by coloring by the missingness of humidity (humidity_NA).
___ %>%
___(___) %>%
ggplot(aes(x = ___,
color = ___)) +
geom_density() +
___(~___)