对温度进行均值插补
均值插补可能存在风险。如果您要进行均值插补的变量与其他变量相关，插补后的取值可能会破坏这种相关性。在上一个练习中分析 air_temp 变量时，您已经看到了这一点的端倪。
为检验这些担忧是否成立，本练习中，您将对 air_temp 进行均值插补，并同时创建一个二元指示变量，用来标记哪些位置是插补得到的值。这将在下一个练习中评估插补效果时发挥作用。现在就把缺失值补起来吧！
本练习是课程的一部分
R 中的缺失值填补处理
练习说明
- 在修改
tao的管道中，创建名为air_temp_imp的新变量：当air_temp缺失时为TRUE，否则为FALSE。 - 在同一管道的后续步骤中，当
air_temp缺失时用其均值覆盖该值，否则保持不变，并将结果赋给tao_imp。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)