Khám phá dữ liệu IPEDS II
Hầu hết các phân tích đều cần tiền xử lý dữ liệu. May mắn là tidyverse có nhiều hàm giúp làm sạch data frame. Ví dụ, hàm drop_na() sẽ loại bỏ các quan sát có giá trị thiếu. Mặc định, drop_na() sẽ kiểm tra tất cả các cột để tìm giá trị thiếu và loại bỏ mọi quan sát có một hoặc nhiều giá trị thiếu.
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
Bài tập này là một phần của khóa học
Bản đồ tương tác với leaflet trong R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Remove colleges with missing sector information
ipeds <-
ipeds_missing %>%
___()