合併層級
如果覺得處理 exclaim_mess 的嚴重偏態已經不容易，那麼每封電子郵件所附圖片數量（image）就更具挑戰。請在主控台執行下列程式碼，先了解它的分布：
table(email$image)
回想一下，這會列出各類別中的個案數量（例如，有 3811 封郵件的圖片數為 0）。由於較高圖片數量的郵件幾乎沒有，我們把 image 合併為一個類別變數，只標示該郵件是否至少有 1 張圖片。在這個練習中，你會建立這個新變數，並探索它與垃圾郵件的關聯。
本練習屬於課程
R 的探索式資料分析
練習說明
以 email 為起點，串起一個連續的管線來完成以下任務：
- 建立名為
has_image的新變數：當圖片數量大於 0 時為TRUE，否則為FALSE。 - 使用
email繪製合適的圖表，視覺化has_image與spam之間的關係。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create plot of proportion of spam by image
email %>%
mutate(has_image = ___) %>%
ggplot(aes(x = ___, fill = ___)) +
geom_bar(position = ___)