有多少缺失值？
拿到一个新数据集，首先要检查是否存在缺失值，以及缺失值的数量。
您可以使用 are_na() 来统计缺失值，但最高效的方式是使用 n_miss() 函数。它会告诉您数据中的缺失值总数。
接着，您可以使用 pct_miss 函数计算数据中的缺失值百分比。它会返回数据中缺失值所占的百分比。
此外，您还可以计算其互补量——也就是完整值的数量和比例——分别使用 n_complete 和 pct_complete。
本练习是课程的一部分
在 R 中处理缺失数据
练习说明
使用示例数据框 dat_hw（包含身高和体重）：
- 在数据框
dat_hw上使用n_miss()，统计该数据框中的缺失值总数。 - 在变量
dat_hw$weight上使用n_miss()，统计该变量中的缺失值总数。 - 同样地，使用
prop_miss()、n_complete()和prop_complete()分别得到缺失的比例，以及数据框和变量的完整值数量与比例。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Use n_miss() to count the total number of missing values in dat_hw
n_miss(___)
# Use n_miss() on dat_hw$weight to count the total number of missing values
n_miss(___$___)
# Use n_complete() on dat_hw to count the total number of complete values
n_complete(___)
# Use n_complete() on dat_hw$weight to count the total number of complete values
___(___$___)
# Use prop_miss() and prop_complete() on dat_hw to count the total number of missing values in each of the variables
prop_miss(____)
prop_complete(___)