Zacznij terazZacznij za darmo

Eksploracja danych IPEDS II

Większość analiz wymaga wcześniejszego przygotowania danych. Na szczęście tidyverse oferuje wiele funkcji ułatwiających czyszczenie ramek danych. Na przykład funkcja drop_na() usuwa obserwacje z brakującymi wartościami. Domyślnie drop_na() sprawdza wszystkie kolumny i usuwa każdą obserwację, w której brakuje co najmniej jednej wartości.

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

To ćwiczenie jest częścią kursu

Interaktywne mapy z leaflet w R

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Remove colleges with missing sector information
ipeds <- 
    ipeds_missing %>% 
    ___()
Edytuj i uruchom kod