CommencerCommencez gratuitement

Explorer les données IPEDS II

La plupart des analyses nécessitent de modeler les données. Heureusement, le tidyverse propose de nombreuses fonctions pour faciliter le nettoyage des data frames. Par exemple, la fonction drop_na() supprime les observations contenant des valeurs manquantes. Par défaut, drop_na() vérifie toutes les colonnes et retire les observations comportant au moins une valeur manquante.

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

Cet exercice fait partie du cours

<cours>Cartes interactives avec leaflet en R</cours>
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