Efectuarea și urmărirea imputării

Gestionarea datelor lipsă în R

Nicholas Tierney

Statistician

Prezentare lecție

Utilizarea imputărilor pentru înțelegerea structurii datelor

Vizualizarea și explorarea valorilor imputate

Imputarea datelor pentru explorarea valorilor lipsă
Urmărirea valorilor lipsă
Vizualizarea valorilor imputate față de date

Utilizarea imputărilor pentru înțelegerea structurii datelor

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)

Urmărirea valorilor lipsă

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

Urmărirea valorilor lipsă

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

Vizualizarea valorilor imputate față de date prin histograme

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

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

Vizualizarea valorilor imputate față de date prin fațete

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

Vizualizarea valorilor imputate prin fațete

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

Vizualizarea valorilor imputate față de date prin diagrame de puncte

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()

Să exersăm!

Gestionarea datelor lipsă în R