Category: လမ်းညွှန်

Pandas DataFrame ကော်လံတစ်ခုရှိ ထူးခြားသောတန်ဖိုးများကို ရှာဖွေရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်ပြီး ၎င်းတို့ကို စီရန်- df[' my_column ']. drop_duplicates (). sort_values () ၎င်းသည် ကြီးစဉ်ငယ်လိုက် စီထားသော ကော်လံတစ်ခုစီတွင် ထူးခြားသောတန်ဖိုးတစ်ခုစီပါရှိသော ပန်ဒါစီးရီးတစ်ခုကို ပြန်ပေးပါမည်။ ထူးခြားသောတန်ဖိုးများကို ကြီးစဉ်ငယ်လိုက် စီရန်၊ ascending=False ကိုသုံးပါ။ df[' my_column ']. drop_duplicates (). sort_values (ascending= False ) အောက်ဖော်ပြပါ ဥပမာသည်...

Pandas DataFrame အတန်းတစ်ခုစီရှိ အမြင့်ဆုံးတန်ဖိုးကို ရှာဖွေရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်ပါသည်။ df[' max '] = df. max (axis= 1 ) ဤအထူးအစီအမံသည် DataFrame အတန်းတိုင်းရှိ အမြင့်ဆုံးတန်ဖိုးများပါရှိသော max ဟုခေါ်သော ကော်လံအသစ်ကို ဖန်တီးပေးပါသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ ဥပမာ- Pandas ရှိ အတန်းတစ်ခုစီရှိ အများဆုံးတန်ဖိုးကို ရှာပါ။ ကျွန်ုပ်တို့တွင်...

အခြေအနေများစွာအပေါ်အခြေခံ၍ ကော်လံအသစ်တစ်ခုဖန်တီးရန် mutate() လုပ်ဆောင်ချက်ကို အသုံးပြုရန်အတွက် သင်သည် အောက်ပါအခြေခံ syntax ကို dplyr တွင်အသုံးပြုနိုင်သည်- library (dplyr) df <- df%>% mutate(class = case_when((team == ' A ' & points >= 20) ~ ' A_Good ', (team == ' A ' & points < 20) ~...

R ရှိ lm() လုပ်ဆောင်ချက်ကို linear regression မော်ဒယ်များနှင့် ကိုက်ညီရန် အသုံးပြုနိုင်သည်။ မော်ဒယ်တစ်ခုကို တပ်ဆင်ပြီးသည်နှင့်၊ လေ့လာမှု အသစ်တစ်ခု၏ တုံ့ပြန်မှုတန်ဖိုးကို ခန့်မှန်းရန် predict() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါ syntax ကိုအသုံးပြုသည်- ခန့်မှန်းချက်(အရာဝတ္ထု၊ ဒေတာအသစ်၊ အမျိုးအစား = “ တုံ့ပြန်မှု” ) ရွှေ- အရာဝတ္ထု- glm() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ မော်ဒယ် ချိန်ညှိမှုအမည် newdata- ခန့် မှန်းချက်ပြုလုပ်ရန် ဒေတာဘောင်အသစ်၏ အမည်...

R ရှိ lm() လုပ်ဆောင်ချက်မှ အကြွင်းအကျန်များကို ထုတ်ယူရန် အောက်ပါ syntax ကို သင်သုံးနိုင်သည်။ fit$residuals ဤဥပမာတွင် ကျွန်ုပ်တို့သည် linear regression model ကို အံဝင်ခွင်ကျဖြစ်အောင် lm() function ကိုအသုံးပြုပြီး ရလဒ်များကို fit ဟုအမည်ပေးပါသည်။ အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ ဆက်စပ်- R-Squared ကို R ရှိ lm() လုပ်ဆောင်ချက်မှ မည်သို့ထုတ်ယူရမည်နည်း။ ဥပမာ-...

lm() လုပ်ဆောင်ချက်ကို R တွင် ဆုတ်ယုတ်မှုပုံစံနှင့် အံဝင်ခွင်ကျဖြစ်စေရန်အတွက် lm() လုပ်ဆောင်ချက်ကို အသုံးပြုသောအခါတွင် ဒေတာဘောင်တစ်ခု၏ အစုခွဲတစ်ခုသာ အသုံးပြုရန် အစုခွဲ အငြင်းအခုံကို အသုံးပြုနိုင်သည်။ fit <- lm(points ~ fouls + minutes, data=df, subset=(minutes> 10 )) ဤဥပမာသည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် အမှတ်များ အသုံးပြုကာ ကြိုတင်ခန့်မှန်းကိန်းရှင်များအဖြစ် လူစုလူဝေး နှင့် မိနစ်များကို အသုံးပြု၍ ဆုတ်ယုတ်မှုပုံစံနှင့် သက်ဆိုင်သည်။ ဆုတ်ယုတ်မှု ပုံစံနှင့် အံဝင်ခွင်ကျဖြစ်သည့်အခါ မိနစ်...

ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုတွင် ကျန်ရှိသောကွက်ကွက် သည် x-ဝင်ရိုးပေါ်ရှိ ဆုတ်ယုတ်မှုပုံစံ၏ တပ်ဆင်တန်ဖိုးများနှင့် y-ဝင်ရိုးတစ်လျှောက် မော်ဒယ်၏အကြွင်းအကျန်များကို ပြသသည့်ကွက်ကွက်အမျိုးအစားတစ်ခုဖြစ်သည်။ ကျန်နေသော အပြင်အဆင်ကို အမြင်အာရုံဖြင့် စစ်ဆေးသောအခါ၊ အပြင်အဆင်သည် “ ကောင်း” သို့မဟုတ် “ ဆိုး” ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အရာနှစ်ခုကို ယေဘုယျအားဖြင့် ရှာကြည့်သည်- 1. အကြွင်းအကျန်များသည် ရှင်းလင်းပြတ်သားသောလမ်းကြောင်းကို ပြသပါသလား။ “ကောင်းသော” အကြွင်းအကျန်ကွက်များတွင်၊ အကြွင်းအကျန်များသည် ရှင်းလင်းပြတ်သားသောလမ်းကြောင်းကို မပြပါ။ ကျန်ရှိသော “ ဆိုး” ကွက်တွင်၊ အကြွင်းအကျန်များသည် မျဉ်းကွေး သို့မဟုတ်...

ဒေတာဘောင်ကော်လံကို R တွင် စာရင်းတစ်ခုသို့ ပြောင်းရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်ပါသည်။ နည်းလမ်း 1- ကော်လံတစ်ခုကို စာရင်းတစ်ခုသို့ ပြောင်းပါ။ my_list <- list(df$my_column) နည်းလမ်း 2- ကော်လံအားလုံးကို စာရင်းများအဖြစ် ပြောင်းပါ။ all_lists <- as. list (df) အောက်ဖော်ပြပါ ဥပမာများသည် R ရှိ ဒေတာဘောင်ဖြင့် လက်တွေ့တွင် နည်းလမ်းတစ်ခုစီကို အသုံးပြုနည်းကို ပြသသည်- #create data frame df <- data. frame...

trivariate table သည် categorical variable သုံးခု၏ ကြိမ်နှုန်းများကိုပြသသည့် ဇယားအမျိုးအစားတစ်ခုဖြစ်သည်။ R တွင် 3-entry table ကိုဖန်တီးရန် အလွယ်ကူဆုံးနည်းလမ်းမှာ xtabs() လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြစ်သည်။ three_way <- xtabs(~var1 + var2 + var3, data=df) သုံးလမ်းသွား array ကို ပိုမိုကျစ်လစ်သိပ်သည်းစွာပြသလိုပါက၊ ftable() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။ three_way_ftable <- ftable(three_way) မှတ်ချက် – xtabs() နှင့် ftable() လုပ်ဆောင်ချက်များကို...

R တွင် ဇယားတစ်ခုကို စီရန် သင်သုံးနိုင်သော နည်းလမ်းနှစ်ခုရှိသည်။ နည်းလမ်း 1- Base R ကိုသုံးပါ။ #sort table in ascending order my_table_sorted <- my_table[order(my_table)] #sort table in descending order my_table_sorted <- my_table[order(my_table, decreasing= TRUE )] နည်းလမ်း 2: dplyr ကိုသုံးပါ။ library (dplyr) #sort table in ascending order...