Spam och num_char

Finns det ett samband mellan spam och längden på ett e-postmeddelande? Man kan tänka sig argument åt båda håll:

Spam är troligen ett kort meddelande som lockar mig att klicka på en länk, eller
Mina vanliga e-postmeddelanden är troligen kortare eftersom jag ständigt utbyter korta meddelanden med vänner.

Här använder du datamängden email för att reda ut frågan. Börja med att öppna hjälpfilen och läsa om alla variabler med ?email.

När du utforskar sambandet mellan spam och e-postlängd, passa på att länka en dplyr-kedja med lager i ett ggplot2-objekt.

Den här övningen är en del av kursen

Exploratory Data Analysis in R

Visa kurs

Övningsinstruktioner

Använd datamängden email

Läs in paketen ggplot2, dplyr och openintro.
Beräkna lämpliga mått på centrum och spridning för num_char, uppdelat på spam och icke-spam, med hjälp av group_by() och summarize(). Du behöver inte namnge de nya kolumnerna som skapas av summarize().
Skapa parallella lådagram för att visualisera sambandet mellan samma två variabler. Det är praktiskt att använda mutate() för att skapa en ny kolumn med en logaritmtransformerad version av num_char.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load packages




# Compute summary statistics
email %>%
  ___ %>%
  ___

# Create plot
email %>%
  mutate(log_num_char = ___) %>%
  ggplot(aes(x = ___, y = log_num_char)) +
  ___

Redigera och kör kod