垃圾邮件与 num_char
垃圾邮件与邮件长度之间是否有关联？两种说法似乎都说得通：
- 您可以想象：垃圾邮件更可能是很短的信息，诱导我点击某个链接，或者
- 我的日常邮件更短，因为我经常和朋友交换简短邮件。
这里，您将使用 email 数据集来探究这个问题。先打开帮助页面，使用 ?email 了解所有变量。
在探索垃圾邮件与邮件长度的关联时，请顺带练习将 dplyr 的管道与 ggplot2 图层链接起来。
本练习是课程的一部分
R 中的探索性数据分析
练习说明
使用 email 数据集：
- 加载
ggplot2、dplyr和openintro包。 - 使用
group_by()和summarize()，分别对垃圾邮件与非垃圾邮件计算num_char的合适的集中趋势与离散程度。summarize()创建的新列无需命名。 - 构建并列箱线图来可视化这两个变量之间的关联。建议先用
mutate()新增一列，存放num_char的对数变换版本。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load packages
# Compute summary statistics
email %>%
___ %>%
___
# Create plot
email %>%
mutate(log_num_char = ___) %>%
ggplot(aes(x = ___, y = log_num_char)) +
___