Aan de slagBegin gratis

Vragen beantwoorden met ketens

Als je een specifieke vraag over een gegevensset hebt, kun je het antwoord vinden door zorgvuldig de juiste keten van R-code op te bouwen. Neem bijvoorbeeld de volgende vraag: "Binnen niet-spam e-mails, is de typische lengte van e-mails korter voor berichten die naar meerdere mensen zijn gestuurd?"

Dit kun je beantwoorden met de volgende keten:

email %>%
   filter(spam == "not-spam") %>%
   group_by(to_multiple) %>%
   summarize(median(num_char))

De code maakt duidelijk dat je num_char gebruikt om de lengte van een e-mail te meten en median() als maat voor wat typisch is. Als je deze code uitvoert, ontdek je dat het antwoord op de vraag "ja" is: de typische lengte van niet-spam die naar meerdere mensen is gestuurd, is iets lager dan die van berichten die naar maar één persoon zijn gestuurd.

Deze keten eindigde met samenvattende statistieken, maar andere kunnen eindigen in een plot; het hangt allemaal af van de vraag die je wilt beantwoorden.

Deze oefening maakt deel uit van de cursus

Exploratory data-analyse in R

Bekijk cursus

Oefeninstructies

Bouw een keten om elk van de volgende vragen te beantwoorden, beide over de variabele dollar.

  • Bevat voor e-mails waarin het woord "dollar" voorkomt de typische spam-e-mail meer voorkomens van het woord dan de typische niet-spam-e-mail? Maak een samenvattende statistiek die deze vraag beantwoordt.
  • Als je een e-mail tegenkomt met meer dan 10 voorkomens van het woord dollar, is de kans dan groter dat het spam is of niet-spam? Maak een staafdiagram dat deze vraag beantwoordt.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Question 1
email %>%
  filter(___) %>%
  group_by(___) %>%
  summarize(___)

# Question 2
email %>%
  filter(___) %>%
  ggplot(aes(x = ___)) +
  geom_bar()
Code bewerken en uitvoeren