Изучение условных пропусков с помощью ggplot

Работа с пропущенными данными в R

Nicholas Tierney

Statistician

Что мы рассмотрим

Как использовать nabular-данные для изучения того, как значения меняются в зависимости от пропусков
Визуализации:
- плотности
- ящики с усами
- различные способы разбивки графика

ggplot(airquality,
       aes(x = Temp)) + 
  geom_density()

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Temp,
             color = Ozone_NA)) + 
  geom_density()

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Ozone_NA,
             y = Temp)) + 
  geom_boxplot()

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Temp)) + 
  geom_density() + 
  facet_wrap(~Ozone_NA)

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Temp,
             y = Wind)) + 
  geom_point() +
  facet_wrap(~ Ozone_NA)

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Temp,
             y = Wind,
             color = Ozone_NA)) + 
  geom_point()

airquality %>%
  bind_shadow() %>%
  ggplot(aes(x = Temp,
             color = Ozone_NA)) + 
  geom_density()  +
  facet_wrap(~ Solar.R_NA)

Работа с пропущенными данными в R