Thực hiện và theo dõi phép bù khuyết

Xử lý dữ liệu thiếu trong R

Nicholas Tierney

Statistician

Tổng quan bài học

Dùng bù khuyết để hiểu cấu trúc dữ liệu

Trực quan hóa + khám phá giá trị bù khuyết

Bù khuyết để khám phá thiếu dữ liệu
Theo dõi giá trị khuyết
So sánh giá trị bù khuyết với dữ liệu

Dùng bù khuyết để hiểu cấu trúc dữ liệu

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)

Theo dõi giá trị khuyết

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

Theo dõi giá trị khuyết

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

So sánh giá trị bù khuyết với dữ liệu bằng biểu đồ histogram

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

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

So sánh bằng biểu đồ histogram với các ô (facets)

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

Trực quan hóa giá trị bù khuyết bằng các ô (facets)

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

So sánh giá trị bù khuyết với dữ liệu bằng biểu đồ phân tán

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()

Vamos praticar!

Xử lý dữ liệu thiếu trong R