Łączenie poziomów

Jeśli praca z silną skośnością zmiennej exclaim_mess była trudna, to zmienna image – reprezentująca liczbę załączników graficznych w każdej wiadomości – stanowi jeszcze większe wyzwanie. Uruchom poniższy kod w konsoli, aby lepiej zrozumieć jej rozkład:

table(email$image)

Przypomnij sobie, że to polecenie zlicza przypadki w każdej kategorii (na przykład było 3811 wiadomości z 0 obrazkami). Ze względu na bardzo niskie liczebności przy większych wartościach, zmienną image warto przekształcić w zmienną kategoryczną, wskazującą, czy dana wiadomość zawierała przynajmniej jeden obraz. W tym ćwiczeniu utworzysz tę nową zmienną i zbadasz jej związek ze spamem.

To ćwiczenie jest częścią kursu

Eksploracyjna analiza danych w R

Zobacz kurs

Instrukcje do ćwiczenia

Używając email jako punktu wyjścia, zbuduj potok łączący kolejno następujące zadania:

Utwórz nową zmienną o nazwie has_image, która przyjmuje wartość TRUE, gdy liczba obrazków jest większa od zera, i FALSE w przeciwnym wypadku.
Stwórz odpowiedni wykres na podstawie email, aby zwizualizować zależność między has_image a spam.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create plot of proportion of spam by image
email %>%
  mutate(has_image = ___) %>%
  ggplot(aes(x = ___, fill = ___)) +
  geom_bar(position = ___)

Edytuj i uruchom kod