用边缘图评估插补质量
在上一个练习中，您对 air_temp 做了均值插补，并添加了一个指示变量标记哪些值被插补，命名为 air_temp_imp。现在该检验这一做法效果如何了。
检查 tao 数据时，您可能注意到其中还有一个名为 sea_surface_temp 的变量。按理说，它应当与 air_temp 呈正相关。如果确实如此，您会预期这两个温度会同时偏高或同时偏低。在海温很高或很低时仍用空气温度的均值进行插补，就会破坏这种关系。
为此，在本练习中，您将选取这两个温度变量和指示变量，并用它们绘制一张边缘图。让我们来评估一下均值插补吧！
本练习是课程的一部分
R 中的缺失值填补处理
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>%
select(___, ___, ___) %>%
___(delimiter = ___)