Aan de slagBegin gratis

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

Bekijk cursus

Oefeninstructies

Met de email-gegevensset

  • Laad de pakketten ggplot2, dplyr en openintro.
  • Bereken passende maten voor het centrum en de spreiding van num_char voor zowel spam als niet-spam met group_by() en summarize(). Je hoeft de nieuwe kolommen die summarize() 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 van num_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)) +
  ___
Code bewerken en uitvoeren