CommencezCommencez gratuitement

Explorer les données d'IPEDS II

La plupart des analyses exigent du nettoyage de données. Heureusement, le tidyverse offre de nombreuses fonctions pour faciliter le nettoyage des trames de données. Par exemple, la fonction drop_na() supprime les observations qui contiennent des valeurs manquantes. Par défaut, drop_na() vérifie toutes les colonnes pour y repérer des valeurs manquantes et enlève toute observation qui en comporte une ou plusieurs.

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

Cette activité fait partie du cours

Cartes interactives avec leaflet en R

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Remove colleges with missing sector information
ipeds <- 
    ipeds_missing %>% 
    ___()
Modifier et exécuter le code