Spam と num_char
スパムとメールの長さには関連がありますか？どちらの可能性も考えられます。
- スパムは、リンクをクリックさせるための短いメッセージになりがち
- 普段のメールは、友人とのやり取りが短文中心なのでむしろ短いかもしれない
ここでは、email データセットを使ってこの疑問を検証します。まず ?email でヘルプを表示し、すべての変数について確認してください。
スパムとメールの長さの関連を探るにあたり、dplyr のチェーンを ggplot2 のレイヤーにそのままつなぐやり方も試してみましょう。
この演習はコースの一部です
Rで学ぶ探索的データ分析
演習の手順
email データセットを使って、次を行ってください。
- パッケージ
ggplot2、dplyr、openintroを読み込みます。 group_by()とsummarize()を使い、スパムか否かそれぞれについてnum_charの適切な代表値とばらつきを計算します。summarize()が作る新しい列名は付け直す必要はありません。- 同じ2変数の関連を可視化するため、並べたボックスプロットを作成します。
num_charを対数変換した新しい列をmutate()で作っておくと便利です。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Load packages
# Compute summary statistics
email %>%
___ %>%
___
# Create plot
email %>%
mutate(log_num_char = ___) %>%
ggplot(aes(x = ___, y = log_num_char)) +
___