Chúng ta trực quan hóa giá trị thiếu như thế nào?

Xử lý dữ liệu thiếu trong R

Nicholas Tierney

Statistician

Giới thiệu trực quan hóa dữ liệu thiếu trong naniar

  • Trực quan hóa giúp nắm nhanh ý tưởng.

  • naniar cung cấp bộ hàm trực quan hóa dữ liệu thiếu thân thiện.

  • Mỗi biểu đồ tương ứng với một tóm tắt dữ liệu.

  • Trực quan hóa giúp bạn làm việc gần với tốc độ suy nghĩ.

Xử lý dữ liệu thiếu trong R

Tổng quan bài học

  • Cách có cái nhìn toàn cảnh về dữ liệu
  • Cách xem giá trị thiếu theo biến và theo bản ghi
  • Cách tạo biểu đồ cho khoảng thiếu và theo nhóm trong dữ liệu.
Xử lý dữ liệu thiếu trong R

Nhìn tổng quan dữ liệu thiếu

vis_miss(airquality)

Xử lý dữ liệu thiếu trong R

Nhìn tổng quan dữ liệu thiếu

vis_miss(airquality, cluster = TRUE)

Xử lý dữ liệu thiếu trong R

Xem giá trị thiếu theo biến và bản ghi

gg_miss_var(airquality)


gg_miss_case(airquality)

Xử lý dữ liệu thiếu trong R

Xem giá trị thiếu theo biến và bản ghi

gg_miss_var(airquality, facet = Month)

Xử lý dữ liệu thiếu trong R

Trực quan hóa mẫu hình thiếu dữ liệu

gg_miss_upset(airquality)

Xử lý dữ liệu thiếu trong R

Trực quan hóa yếu tố dẫn đến thiếu dữ liệu

gg_miss_fct(x = airquality, fct = Month)

Xử lý dữ liệu thiếu trong R

Trực quan hóa các khoảng thiếu dữ liệu

gg_miss_span(pedestrian, hourly_counts, span_every = 3000)

Xử lý dữ liệu thiếu trong R

Cùng luyện tập nào!

Xử lý dữ liệu thiếu trong R

Preparing Video For Download...