Jak vizualizujeme chybějící hodnoty?

Práce s chybějícími daty v R

Nicholas Tierney

Statistician

Úvod do vizualizace chybějících dat v naniar

  • Vizualizace rychle zachytí myšlenku nebo nápad.

  • naniar nabízí přehlednou sadu funkcí pro vizualizaci chybějících dat.

  • Každá vizualizace odpovídá datovému souhrnu.

  • Vizualizace umožňují pracovat blíže rychlosti myšlení.

Práce s chybějícími daty v R

Přehled lekce

  • Jak získat celkový přehled dat
  • Jak zkoumat chybějící hodnoty v proměnných a případech
  • Jak generovat vizualizace pro chybějící rozsahy a skupiny v datech.
Práce s chybějícími daty v R

Celkový přehled chybějících dat

vis_miss(airquality)

Práce s chybějícími daty v R

Celkový přehled chybějících dat

vis_miss(airquality, cluster = TRUE)

Práce s chybějícími daty v R

Chybějící hodnoty v proměnných a případech

gg_miss_var(airquality)


gg_miss_case(airquality)

Práce s chybějícími daty v R

Chybějící hodnoty v proměnných a případech

gg_miss_var(airquality, facet = Month)

Práce s chybějícími daty v R

Vizualizace vzorců chybějících hodnot

gg_miss_upset(airquality)

Práce s chybějícími daty v R

Vizualizace faktorů chybějících hodnot

gg_miss_fct(x = airquality, fct = Month)

Práce s chybějícími daty v R

Vizualizace rozsahů chybějících hodnot

gg_miss_span(pedestrian, hourly_counts, span_every = 3000)

Práce s chybějícími daty v R

Pojďme cvičit!

Práce s chybějícími daty v R

Preparing Video For Download...