Mulai sekarangMulai gratis

Menjelajahi Data IPEDS II

Kebanyakan analisis memerlukan pengolahan data. Untungnya, ada banyak fungsi di tidyverse yang memudahkan pembersihan data frame. Misalnya, fungsi drop_na() akan menghapus observasi dengan nilai hilang. Secara baku, drop_na() akan memeriksa semua kolom untuk nilai hilang dan akan menghapus semua observasi yang memiliki satu atau lebih nilai hilang.

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

Latihan ini merupakan bagian dari kursus

Peta Interaktif dengan leaflet di R

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Remove colleges with missing sector information
ipeds <- 
    ipeds_missing %>% 
    ___()
Edit dan Jalankan Kode