1. 学ぶ
    2. /
  2. コース
    3. /
  3. R で作る leaflet のインタラクティブマップ
Connected

演習

IPEDSデータを探る II

ほとんどの分析ではデータの前処理が必要です。幸い、tidyverse にはデータフレームのクレンジングを助ける関数がたくさんあります。たとえば、drop_na() は欠損値を含む観測値を削除します。既定では、drop_na() はすべての列に欠損がないかを確認し、1つ以上の欠損がある観測値をすべて取り除きます。

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

指示1 / 3

undefined XP
    1
    2
    3

drop_na() を使って、セクター情報が欠損している大学を削除します。