Spam en num_char
Is er een verband tussen spam en de lengte van een e-mail? Je kunt voor beide kanten een verhaal bedenken:
- Spam is vaker een kort bericht dat me wil verleiden om op een link te klikken, of
- Mijn gewone e-mail is waarschijnlijk korter omdat ik vaak korte berichtjes met mijn vrienden uitwissel.
Hier gebruik je de email-gegevensset om die vraag te beantwoorden. Begin met het openen van het helpbestand en leer alle variabelen kennen met ?email.
Terwijl je het verband tussen spam en de lengte van een e-mail onderzoekt, is dit een mooie gelegenheid om een dplyr-keten te koppelen aan de lagen in een ggplot2-object.
Deze oefening maakt deel uit van de cursus
Exploratory data-analyse in R
Oefeninstructies
Met de email-gegevensset
- Laad de pakketten
ggplot2,dplyrenopenintro. - Bereken passende maten voor het centrum en de spreiding van
num_charvoor zowel spam als niet-spam metgroup_by()ensummarize(). Je hoeft de nieuwe kolommen diesummarize()aanmaakt geen naam te geven. - Maak naast elkaar staande boxplots om het verband tussen dezelfde twee variabelen te visualiseren. Het is handig om met
mutate()een nieuwe kolom te maken met een log-getransformeerde versie vannum_char.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Load packages
# Compute summary statistics
email %>%
___ %>%
___
# Create plot
email %>%
mutate(log_num_char = ___) %>%
ggplot(aes(x = ___, y = log_num_char)) +
___