Skip to content
GitLab
Explore
Sign in
Primary navigation
Search or go to…
Project
E
emailReport
Manage
Activity
Members
Labels
Plan
Issues
Issue boards
Milestones
Wiki
Requirements
Code
Merge requests
Repository
Branches
Commits
Tags
Repository graph
Compare revisions
Snippets
Locked files
Build
Pipelines
Jobs
Pipeline schedules
Test cases
Artifacts
Deploy
Releases
Container Registry
Model registry
Operate
Environments
Monitor
Incidents
Analyze
Value stream analytics
Contributor analytics
CI/CD analytics
Repository analytics
Code review analytics
Issue analytics
Insights
Model experiments
Help
Help
Support
GitLab documentation
Compare GitLab plans
Community forum
Contribute to GitLab
Provide feedback
Keyboard shortcuts
?
Snippets
Groups
Projects
Show more breadcrumbs
luvaseva
emailReport
Commits
347bbde8
Commit
347bbde8
authored
7 years ago
by
lusy
Browse files
Options
Downloads
Patches
Plain Diff
add R evaluation commands
parent
e29bb9fd
No related branches found
Branches containing commit
No related tags found
No related merge requests found
Changes
1
Hide whitespace changes
Inline
Side-by-side
Showing
1 changed file
report/attachments/rscript.txt
+134
-0
134 additions, 0 deletions
report/attachments/rscript.txt
with
134 additions
and
0 deletions
report/attachments/rscript.txt
0 → 100644
+
134
−
0
View file @
347bbde8
data = read.table("e_mail_nutzung.csv", header = TRUE, sep = ",")
library(lattice)
densityplot(sort(data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche., decreasing=T)[c(-1,-2)], scales=list(log=F), log="", horizontal=T)
empfangen = sort(data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche., decreasing=T)[c(-1,-2)]
boxplot(as.numeric(empfangen[empfangen!=0]), scales=list(log=T), log="x", horizontal=T)
gelesen = data$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.
empfangen = data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.
#Zusammenhang zwischen empfangenen und gelesenen Mails pro Proband
plot(data$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]~data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)])
#logartihmisch
plot(data$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]~log(data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]))
# Code from http://www.cookbook-r.com/Graphs/Histogram_and_density_plot/
plot.multi.dens <- function(s)
{
junk.x = NULL
junk.y = NULL
for(i in 1:length(s)) {
junk.x = c(junk.x, density(s[[i]])$x)
junk.y = c(junk.y, density(s[[i]])$y)
}
xr <- range(junk.x)
yr <- range(junk.y)
plot(density(s[[1]]), xlim = xr, ylim = yr, main = "")
for(i in 1:length(s)) {
lines(density(s[[i]]), xlim = xr, ylim = yr, col = i)
}
}
#Vergleich von empfangenen E-Mails mit gelesenen
plot.multi.dens(list(data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)], data$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]))
#Vorheriges + gesendet
plot.multi.dens(list(data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)], data$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)], data$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[data$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]))
#Gleiche Analyse nur mit Tekkies
tekkieData = subset(data, Ich.bin.technisch.versiert.im.Bezug.auf.den.Computer=="ja")
which(tekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < tekkieData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.)
plot.multi.dens(list(tekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[tekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)], tekkieData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[tekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)], tekkieData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[tekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-13,-14)]))
#Gleiche Analyse mit nicht Tekkies (ACHTUNG: Womöglich falsche Analyse, denn es wurde alle betrachtet, die nicht ja angegeben haben bei der Frage, ob sie technisch versiert im Umgang mit dem Computer wären)
nonTekkieData = subset(data, Ich.bin.technisch.versiert.im.Bezug.auf.den.Computer!="ja")
plot.multi.dens(list(nonTekkieData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche., nonTekkieData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich., nonTekkieData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.))
#Analyse anhand des Alters
densityplot(data$Wie.alt.sind.Sie.)
#Grenze zwischen jünger als 40 und rest ziehen
youngData = subset(data, Wie.alt.sind.Sie. <= 39)
#Bereinigung der Gruppe vorbereiten
which(youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < youngData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.)
plot.multi.dens(list(youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-13], youngData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-13], youngData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-13]))
oldData = subset(data, Wie.alt.sind.Sie. > 39)
plot.multi.dens(list(oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-1], oldData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-1], oldData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-1]))
#Vergleich von jung und alt
#schreiben
plot.multi.dens(list(youngData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-13], oldData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-1]))
#lesen
plot.multi.dens(list(youngData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[youngData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-13], oldData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[oldData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][-1]))
#Arbeit im Büro (ACHTUNG gleiches Problem wie bei Tekkies)
officeData = subset(data, data$Arbeiten.Sie.im.Büro. == "ja")
nonOfficeData = subset(data, data$Arbeiten.Sie.im.Büro. != "ja")
which(officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < officeData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.)
#office
plot.multi.dens(list(officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-8,-9)], officeData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-8,-9)], officeData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-8,-9)]))
#nonOffice
plot.multi.dens(list(nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche.[nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000], nonOfficeData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000], nonOfficeData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000]))
#schreiben
plot.multi.dens(list(officeData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-8,-9)], nonOfficeData$Wie.viele.E.Mails.senden.Sie..schätzungsweise..durchschnittlich.in.einer.Woche.[nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000]))
#lesen
plot.multi.dens(list(officeData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[officeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000][c(-8,-9)], nonOfficeData$Wie.viele.dieser.E.Mails.lesen.Sie.tatsächlich.[nonOfficeData$Wie.viele.E.Mails..Spam.ausgeschlossen..bekommen.Sie.schätzungsweise.durchschnittlich.in.einer.Woche. < 12000]))
This diff is collapsed.
Click to expand it.
Preview
0%
Loading
Try again
or
attach a new file
.
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Save comment
Cancel
Please
register
or
sign in
to comment