Utforska villkorliga saknade värden med ggplot

Hantera saknade värden i R

Nicholas Tierney

Statistician

Vad vi kommer att gå igenom

Hur nabular-data används för att utforska hur värden förändras när andra värden saknas
Utforska visualiseringar:
- täthetsplot
- lådagram
- olika metoder för att dela upp visualiseringar

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)

Hantera saknade värden i R