Réaliser et suivre l'imputation

Gérer les données manquantes avec R

Nicholas Tierney

Statistician

Aperçu de la leçon

Utiliser l'imputation pour comprendre la structure des données

Visualiser et explorer les valeurs imputées

Imputer pour explorer les valeurs manquantes
Suivre les valeurs manquantes
Comparer les valeurs imputées aux données

Utiliser l'imputation pour comprendre la structure des données

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)

Suivre les valeurs manquantes

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

Suivre les valeurs manquantes

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

Visualiser les valeurs imputées par rapport aux données avec des histogrammes

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

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

Visualiser les valeurs imputées vs données avec des facettes

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

Visualiser les valeurs imputées avec des facettes

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

Visualiser les valeurs imputées vs données avec des nuages de points

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()

Passons à la pratique !

Gérer les données manquantes avec R