探索 IPEDS 数据 II
大多数分析都需要整理数据。好在 tidyverse 中有许多函数可以帮助清洗数据框。例如，drop_na() 会删除包含缺失值的观测。默认情况下，drop_na() 会检查所有列，并删除任意一列或多列存在缺失值的观测。
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
本练习是课程的一部分
在 R 中使用 leaflet 构建交互式地图
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Remove colleges with missing sector information
ipeds <-
ipeds_missing %>%
___()