Odpowiadanie na pytania za pomocą łańcuchów
Gdy masz konkretne pytanie dotyczące zbioru danych, możesz znaleźć odpowiedź, budując odpowiedni łańcuch kodu R. Rozważ na przykład następujące pytanie: „Czy wśród wiadomości e-mail, które nie są spamem, te wysyłane do wielu odbiorców są zazwyczaj krótsze?"
Odpowiedzi dostarcza poniższy łańcuch:
email %>%
filter(spam == "not-spam") %>%
group_by(to_multiple) %>%
summarize(median(num_char))
Kod jasno pokazuje, że num_char mierzy długość wiadomości, a median() określa typową wartość. Po uruchomieniu tego kodu przekonasz się, że odpowiedź brzmi „tak": typowa długość wiadomości niebędących spamem, wysłanych do wielu osób, jest nieco mniejsza niż tych wysłanych do jednej osoby.
Ten łańcuch zakończył się statystykami podsumowującymi, ale inne mogą kończyć się wykresem – wszystko zależy od pytania, na które szukasz odpowiedzi.
To ćwiczenie jest częścią kursu
Eksploracyjna analiza danych w R
Instrukcje do ćwiczenia
Zbuduj łańcuch, który odpowie na każde z poniższych pytań dotyczących zmiennej dollar.
- Czy wśród wiadomości zawierających słowo „dollar" typowy spam zawiera więcej wystąpień tego słowa niż typowa wiadomość niebędąca spamem? Utwórz statystykę podsumowującą, która odpowie na to pytanie.
- Jeśli natkniesz się na wiadomość z więcej niż 10 wystąpieniami słowa
dollar, czy bardziej prawdopodobne jest, że to spam czy nie? Utwórz wykres słupkowy, który odpowie na to pytanie.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Question 1
email %>%
filter(___) %>%
group_by(___) %>%
summarize(___)
# Question 2
email %>%
filter(___) %>%
ggplot(aes(x = ___)) +
geom_bar()