Під час дослідження набору даних ви часом натрапляєте на щось, що змушує замислитися, як саме було зібрано дані. Наприклад, змінна num_char містить кількість символів в електронному листі, у тисячах, тож вона може мати десяткові значення, але точно не повинна мати від'ємні значення.

Можна сформулювати тест, щоб переконатися, що ця змінна поводиться так, як очікується:

email$num_char < 0

Якщо запустити цей код у консолі, ви отримаєте довгий вектор логічних значень, який для кожного випадку в наборі даних показує, чи є ця умова TRUE. Тут перші 1000 значень, схоже, усі FALSE. Щоб перевірити, що всі випадки справді мають невід'ємні значення num_char, можна взяти суму цього вектора:

sum(email$num_char < 0)

Це зручний прийом. Коли ви виконуєте арифметичні операції над логічними значеннями, R трактує TRUE як 1, а FALSE як 0. Оскільки сума по всьому вектору дорівнює нулю, ви дізнаєтеся, що кожен випадок у наборі даних отримав значення FALSE у тесті. Тобто стовпець num_char поводиться як очікується і містить лише невід'ємні значення.

Спам і тлумачення num_char

Розвідувальний аналіз даних у R

Практична інтерактивна вправа