Category: လမ်းညွှန်

dplyr ပက်ကေ့ဂျ်ကို အသုံးပြု၍ R တွင် အမည်ဖြင့် ဒေတာဘောင်တစ်ခု၏ ကော်လံများကို ရွေးချယ်ရန် အောက်ပါနည်းလမ်းများကို အသုံးပြုနိုင်ပါသည်။ နည်းလမ်း 1- အမည်ဖြင့် သီးခြားကော်လံများကို ရွေးပါ။ df %>% select(var1, var3) နည်းလမ်း 2- အမည်ဖြင့် ကော်လံအပိုင်းအခြားတစ်ခုကို ရွေးပါ။ df %>% select(var1:var3) နည်းလမ်း 3- ကော်လံအချို့မှလွဲ၍ ကော်လံအားလုံးကို ရွေးပါ။ df %>% select(-c(var1, var3)) အောက်ဖော်ပြပါ ဥပမာများသည် R ရှိ...

dplyr ပက်ကေ့ဂျ်ကို အသုံးပြု၍ R ရှိ ဒေတာဘောင်တစ်ခုရှိ ထူးခြားသောတန်ဖိုးများကို စစ်ထုတ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- ကော်လံတစ်ခုတွင် ထူးခြားသောတန်ဖိုးများကို စစ်ထုတ်ပါ။ df %>% distinct(var1) နည်းလမ်း 2- ကော်လံအများအပြားတွင် ထူးခြားသောတန်ဖိုးများကို စစ်ထုတ်ပါ။ df %>% distinct(var1, var2) နည်းလမ်း 3- ကော်လံအားလုံးတွင် ထူးခြားသောတန်ဖိုးများကို စစ်ထုတ်ပါ။ df %>% distinct() အောက်ဖော်ပြပါ ဥပမာများသည် R ရှိ ဒေတာဘောင်ဖြင့် လက်တွေ့တွင်...

dplyr ပက်ကေ့ဂျ်ရှိ အချပ် လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ဒေတာဘောင်တစ်ခုကို အတန်းနံပါတ်အလိုက် စစ်ထုတ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- သတ်မှတ်ထားသော လိုင်းနံပါတ်များဖြင့် စစ်ထုတ်ပါ။ df %>% slice(2, 3, 8) ၎င်းသည် အတန်းနံပါတ် 2၊ 3 နှင့် 8 ကို ပြန်ပေးပါမည်။ နည်းလမ်း 2- လိုင်းနံပါတ်အပိုင်းအခြားအလိုက် စစ်ထုတ်ပါ။ df %>% slice(2:5) ၎င်းသည် အတန်း 2-5 သို့ ပြန်သွားပါမည်။ အောက်ဖော်ပြပါ...

dplyr ပက်ကေ့ဂျ်ရှိ လုပ်ဆောင်ချက်များကို အသုံးပြု၍ R ရှိ ဒေတာဘောင်အတွင်း ကျပန်းအတန်းများကို ရွေးချယ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- ကျပန်း အတန်းအရေအတွက်ကို ရွေးပါ။ df %>% sample_n( 5 ) ဤလုပ်ဆောင်ချက်သည် ဒေတာဘောင်မှ အတန်း ၅ တန်းကို ကျပန်းရွေးချယ်သည်။ နည်းလမ်း 2- အတန်း၏ ကျပန်းအပိုင်းကို ရွေးပါ။ df %>% sample_frac( .25 ) ဤလုပ်ဆောင်ချက်သည် ဒေတာဘောင်ရှိ အတန်းအားလုံး၏ 25%...

Principal component analysis (PCA) သည် data set တစ်ခုတွင် ကွဲလွဲမှု၏ အစိတ်အပိုင်းများစွာကို ရှင်းပြသည့် အဓိကအစိတ်အပိုင်းများကို ရှာဖွေရန် ကြီးကြပ်ထားသော စက်သင်ယူမှုနည်းပညာတစ်ခုဖြစ်သည်။ ပေးထားသည့်ဒေတာအတွဲတစ်ခုအတွက် PCA ၏ရလဒ်များကိုမြင်ယောင်နိုင်ရန်၊ ပထမအဓိကအစိတ်အပိုင်းနှစ်ခုဖြင့်ဖွဲ့စည်းထားသောလေယာဉ်ပေါ်ရှိ dataset တစ်ခုစီတွင်ကြည့်ရှုမှုတစ်ခုစီကိုပြသသည့် biplot တစ်ခုကိုဖန်တီးနိုင်သည်။ biplot တစ်ခုကို ဖန်တီးရန် R တွင် အောက်ပါ အခြေခံ syntax ကို အသုံးပြုနိုင်ပါသည်။ #perform PCA results <- princomp(df) #create biplot to...

R ရှိ rbindlist() လုပ်ဆောင်ချက်ကို data.table သို့မဟုတ် data.frame အရာများစွာ၏စာရင်းမှ data.table တစ်ခုဖန်တီးရန် အသုံးပြုနိုင်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်- rbindlist(l, use. names ="check", fill= FALSE , idcol= NULL ) ရွှေ- l : data.table၊ data.frame သို့မဟုတ် list objects ပါ၀င်သောစာရင်း။ use.names : TRUE သည် ကော်လံအမည်များဖြင့် ချိတ်ဆက်ထားသည်။ FALSE...

R ကိုအသုံးပြုရာတွင် သင်ကြုံတွေ့ရနိုင်သည့် အမှားတစ်ခုမှာ- Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...): NA/NaN/Inf in 'y' R တွင် linear regression model ကိုအံဝင်ခွင်ကျဖြစ်စေရန်အတွက် lm() လုပ်ဆောင်ချက်ကို အသုံးပြုရန်ကြိုးစားသောအခါတွင် ဤအမှားသည် ဖြစ်ပေါ်လာသည်၊ သို့သော် ခန့်မှန်းသူ သို့မဟုတ် တုံ့ပြန်နိုင်သောကိန်းရှင်တွင် NaN သို့မဟုတ် Inf တန်ဖိုးများပါရှိသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤအမှားကို လက်တွေ့တွင်...

R တွင်မဟုတ်သော NA တန်ဖိုးများကိုရေတွက်ရန် အောက်ပါနည်းလမ်းများကို သင်သုံးနိုင်သည်။ နည်းလမ်း 1: ဒေတာဘောင်တစ်ခုလုံးတွင် မဟုတ်သော NA တန်ဖိုးများကို ရေတွက်ပါ။ sum( ! is. na (df)) နည်းလမ်း 2- ဒေတာဘောင်၏ကော်လံတစ်ခုစီတွင် NA မဟုတ်သောတန်ဖိုးများကို ရေတွက်ပါ။ colSums( ! is. na (df)) နည်းလမ်း 3- ဒေတာဘောင်ရှိ အုပ်စုတစ်ခုလျှင် မဟုတ်သော NA တန်ဖိုးများကို ရေတွက်ပါ။ library (dplyr) df %>%...

ဇာတ်ကောင်နှင့် အချိန်အရာဝတ္ထုများအကြား ပြောင်းရန် R ရှိ strptime နှင့် strftime လုပ်ဆောင်ချက်များကို သင်သုံးနိုင်သည်။ strptime လုပ်ဆောင်ချက်သည် ဇာတ်ကောင်များကို အချိန်အရာဝတ္ထုများအဖြစ် ပြောင်းလဲကာ အောက်ပါအခြေခံအထားအသိုကို အသုံးပြုသည်- strptime(character_object, format=" %Y-%m-%d ") strftime လုပ်ဆောင်ချက်သည် အချိန်အရာဝတ္တုများကို အက္ခရာများအဖြစ် ပြောင်းလဲကာ အောက်ပါအခြေခံအထားအသိုကို အသုံးပြုသည်- strftime(time_object) အောက်ဖော်ပြပါ ဥပမာများသည် လုပ်ဆောင်ချက်တစ်ခုစီကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။ ဥပမာ 1- R တွင် strptime လုပ်ဆောင်ချက်ကို အသုံးပြုပါ။...

R ကိုအသုံးပြုရာတွင် သင်ကြုံတွေ့ရနိုင်သည့် အမှားတစ်ခုမှာ- Aggregation function missing: defaulting to length ရှည်လျားသောဖော်မတ်မှ ကျယ်ပြန့်သောဖော်မတ်သို့ ဒေတာဘောင်တစ်ခုပြောင်းရန် reshape2 ပက်ကေ့ခ်ျရှိ dcast လုပ်ဆောင်ချက်ကို သင်အသုံးပြုသောအခါတွင် ဤအမှားအယွင်းဖြစ်တတ်သော်လည်း ကျယ်ပြန့်ဒေတာဘောင်၏ဆဲလ်တစ်ခုချင်းစီတွင် တန်ဖိုးများစွာကို ထားရှိနိုင်ပါသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤအမှားကို လက်တွေ့တွင် မည်သို့ပြုပြင်ရမည်ကို ပြသထားသည်။ အမှားကို ဘယ်လိုပြန်ထုတ်မလဲ။ ကုန်ပစ္စည်းအမျိုးမျိုး၏ရောင်းချမှုနှင့်ပတ်သက်သောအချက်အလက်ပါရှိသော R တွင်အောက်ပါဒေတာဘောင်ရှိသည်ဆိုပါစို့။ #create data frame df <- data. frame (store=c('A',...