Imputatie uitvoeren en bijhouden

Omgaan met ontbrekende gegevens in R

Nicholas Tierney

Statistician

Lesoverzicht

Imputaties gebruiken om datastructuur te begrijpen

Imputaties visualiseren en verkennen

Imputeren om ontbrekende waarden te verkennen
Ontbrekende waarden bijhouden
Imputaties vergelijken met gegevens

Imputaties gebruiken om datastructuur te begrijpen

impute_below(c(5,6,7,NA,9,10))

5.00000  6.00000  7.00000  4.40271  9.00000 10.00000

impute_below

impute_below_if():

impute_below_if(data, is.numeric)

impute_below_at():

impute_below_at(data, vars(var1,var2))

impute_below_all():

impute_below_all(data)

Ontbrekende waarden volgen

df

# A tibble: 6 x 1
   var1
  <dbl>
1     5
2     6
3     7
4    NA
5     9
6    10

impute_below_all(df)

# A tibble: 6 x 1
   var1
  <dbl>
1  5   
2  6   
3  7   
4  4.40
5  9   
6 10

Ontbrekende waarden volgen

bind_shadow(df)

# A tibble: 6 x 2
   var1 var1_NA
  <dbl> <fct>  
1  5    !NA    
2  6    !NA    
3  7    !NA    
4  NA    NA     
5  9    !NA    
6 10    !NA

bind_shadow(df) %>% impute_below_all()

# A tibble: 6 x 2
   var1 var1_NA
  <dbl> <fct>  
1  5    !NA    
2  6    !NA    
3  7    !NA    
4  4.40 NA     
5  9    !NA    
6 10    !NA

Imputaties vs. gegevens visualiseren met histogrammen

aq_imp <- airquality %>%
   bind_shadow() %>% 
   impute_below_all()

ggplot(aq_imp,
       aes(x = Ozone,
           fill = Ozone_NA)) + 
   geom_histogram()

Imputaties vs. gegevens visualiseren met facetten

ggplot(aq_imp,
       aes(x = Ozone,
           fill = Ozone_NA)) + 
  geom_histogram() + 
  facet_wrap(~ Month)

Imputaties visualiseren met facetten

ggplot(aq_imp,
       aes(x = Ozone,
           fill = Ozone_NA)) + 
  geom_histogram() + 
  facet_wrap(~ Solar.R_NA)

Imputaties vs. gegevens visualiseren met spreidingsdiagrammen

aq_imp <- airquality %>%
  bind_shadow() %>% 
  add_label_shadow() %>%
  impute_below_all()

ggplot(aq_imp,
       aes(x = Ozone,
           y = Solar.R,
           color = any_missing)) + 
  geom_point()

Laten we oefenen!

Omgaan met ontbrekende gegevens in R