垃圾邮件与感叹号！！！
让我们看看一个更明显的垃圾邮件信号：感叹号。exclaim_mess 表示每条消息中的感叹号数量。请通过汇总统计与可视化，探索该变量与消息是否为垃圾邮件之间的关系。
请多尝试不同类型的图形，找到最有信息量的一种。回想您之前见过：
- 并列箱线图
- 分面直方图
- 叠加核密度图
本练习是课程的一部分
R 中的探索性数据分析
练习说明
工作区中仍保留有 email 数据集。
- 使用
group_by()和summarize()，分别对垃圾邮件与非垃圾邮件计算exclaim_mess的合适"中心"和"离散程度"度量。 - 构建一个合适的图形来可视化这两个变量之间的关联；如有必要，可加入对数变换步骤。
- 如果决定使用对数变换，请记住在 R 中
log(0)为-Inf，这并不实用！您可以在log()函数内部对数值加上一个很小的常数（例如0.01）来规避这个问题。这样就不会出现 0。这个向右的微小平移不会影响您的结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute center and spread for exclaim_mess by spam
# Create plot for spam and exclaim_mess