library(tidyverse)
<- "https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv"
d_path <- read_csv(d_path)
d nrow(d)
[1] 344
May 14, 2023
Filtern Sie alle Zeilen mit fehlende Werte im Datensatz penguins
!
Liefern Sie die Spalten zurück, die fehlende Werte aufweisen.
[1] "rownames" "species" "island"
[4] "bill_length_mm" "bill_depth_mm" "flipper_length_mm"
[7] "body_mass_g" "sex" "year"
Categories:
---
exname: filter-na3
expoints: 1
extype: string
exsolution: NA
categories:
- 2023
- eda
- na
- string
date: '2023-05-14'
slug: filter-na3
title: filter-na3
---
# Aufgabe
Filtern Sie alle Zeilen *mit* fehlende Werte im Datensatz `penguins`!
Liefern Sie die *Spalten* zurück, die fehlende Werte aufweisen.
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
# Lösung
## Setup
```{r}
library(tidyverse)
d_path <- "https://vincentarelbundock.github.io/Rdatasets/csv/palmerpenguins/penguins.csv"
d <- read_csv(d_path)
nrow(d)
```
## Weg 1
```{r}
d_na_only <-
d %>%
filter(!complete.cases(.))
d_na_only %>%
names()
```
## Weg 2
```{r}
d %>%
filter(if_any(everything(), ~ is.na(.))) %>%
names()
```
---
Categories:
- 2023
- eda
- na
- string