1. Nauka
    2. /
  2. Kursy
    3. /
  3. Interaktywne mapy z leaflet w R
Connected

ćwiczenie

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

Instrukcje 1/3

undefined XP
    1
    2
    3

Usuń uczelnie z brakującymi informacjami o sektorze, korzystając z funkcji drop_na().