Regrouper des niveaux

S'il était difficile de composer avec la forte asymétrie de exclaim_mess, le nombre d'images jointes à chaque courriel (image) pose un défi encore plus grand. Exécutez le code suivant dans la console pour avoir une idée de sa distribution :

table(email$image)

Rappelez‑vous que cela dresse le nombre de cas dans chaque catégorie (il y avait par exemple 3811 courriels avec 0 image). Étant donné les effectifs très faibles pour les nombres d'images élevés, regroupons image en une variable catégorielle qui indique si le courriel contient au moins une image ou non. Dans cet exercice, vous allez créer cette nouvelle variable et explorer son lien avec le pourriel.

Cette activité fait partie du cours

Analyse exploratoire des données en R

Voir le cours

Instructions de l’exercice

En partant de email, formez une chaîne continue qui enchaîne les tâches suivantes :

Créez une nouvelle variable appelée has_image qui vaut TRUE lorsque le nombre d'images est supérieur à zéro et FALSE sinon.
Créez un graphique approprié avec email pour visualiser la relation entre has_image et spam.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create plot of proportion of spam by image
email %>%
  mutate(has_image = ___) %>%
  ggplot(aes(x = ___, fill = ___)) +
  geom_bar(position = ___)

Modifier et exécuter le code