Comece agoraComece grátis

Explorando os dados do IPEDS II

A maioria das análises exige tratamento de dados. Felizmente, há muitas funções no tidyverse que facilitam a limpeza de data frames. Por exemplo, a função drop_na() remove observações com valores ausentes. Por padrão, drop_na() verifica todas as colunas e remove todas as observações que tiverem um ou mais valores ausentes.

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

Este exercicio faz parte do curso

Mapas Interativos com leaflet em R

Ver curso

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Remove colleges with missing sector information
ipeds <- 
    ipeds_missing %>% 
    ___()
Editar e Executar Código