LoslegenKostenlos starten

Erkunden der IPEDS-Daten II

Die meisten Analysen erfordern Datenaufbereitung. Zum Glück gibt es im tidyverse viele Funktionen, die das Bereinigen von Data Frames erleichtern. Zum Beispiel entfernt die Funktion drop_na() Beobachtungen mit fehlenden Werten. Standardmäßig prüft drop_na() alle Spalten auf fehlende Werte und entfernt alle Beobachtungen mit einem oder mehreren fehlenden Werten.

miss_ex <- tibble(
             animal = c("dog", "cat", "rat", NA),
             name   = c("Woodruf", "Stryker", NA, "Morris"),
             age    = c(1:4))
miss_ex

miss_ex %>% 
     drop_na() %>% 
     arrange(desc(age))

# A tibble: 2 x 3
  animal    name   age
   <chr>   <chr> <dbl>
1    cat Stryker     2
2    dog Woodruf     1

Diese Übung ist Teil des Kurses

<Kurs>Interaktive Karten mit leaflet in R</Kurs>
Kurs ansehen

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Remove colleges with missing sector information
ipeds <- 
    ipeds_missing %>% 
    ___()
Code bearbeiten und ausführen