Răspunsuri prin lanțuri de operații
Când ai o întrebare specifică despre un set de date, poți ajunge la răspuns construind cu atenție lanțul potrivit de cod R. De exemplu, ia în considerare următoarea întrebare: „În cadrul emailurilor care nu sunt spam, lungimea tipică a emailurilor este mai mică pentru cele trimise mai multor persoane?"
Aceasta poate fi răspunsă cu următorul lanț:
email %>%
filter(spam == "not-spam") %>%
group_by(to_multiple) %>%
summarize(median(num_char))
Codul arată clar că folosești num_char pentru a măsura lungimea unui email și median() ca măsură a valorii tipice. Dacă rulezi acest cod, vei afla că răspunsul la întrebare este „da": lungimea tipică a emailurilor non-spam trimise mai multor persoane este puțin mai mică decât a celor trimise unei singure persoane.
Acest lanț s-a încheiat cu statistici rezumative, dar altele pot fi finalizate cu un grafic – totul depinde de întrebarea la care încerci să răspunzi.
Acest exercițiu face parte din cursul
Exploratory Data Analysis în R
Instrucțiuni pentru exercițiu
Construiește un lanț de operații pentru a răspunde la fiecare dintre întrebările de mai jos, ambele referitoare la variabila dollar.
- Pentru emailurile care conțin cuvântul „dollar", emailul spam tipic conține mai multe apariții ale cuvântului decât emailul non-spam tipic? Creează o statistică rezumativă care să răspundă la această întrebare.
- Dacă primești un email cu mai mult de 10 apariții ale cuvântului
dollar, este mai probabil să fie spam sau non-spam? Creează un grafic cu bare care să răspundă la această întrebare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Question 1
email %>%
filter(___) %>%
group_by(___) %>%
summarize(___)
# Question 2
email %>%
filter(___) %>%
ggplot(aes(x = ___)) +
geom_bar()