History

localizeflow[bot] 99b18ade45 chore(i18n): sync translations with latest source changes (chunk 3/3, 82 changes)		4 months ago
..
README.md	chore(i18n): sync translations with latest source changes (chunk 3/3, 82 changes)	4 months ago

README.md

ការចាក់បង្ហាញអំពីអត្រាភាគរយ


ការចាក់បង្ហាញអំពីអត្រាភាគរយ - Sketchnote ដោយ @nitya

នៅក្នុងមេរៀននេះ អ្នកនឹងប្រើឈុតទិន្នន័យផ្សេងទៀតដែលផ្តោតលើធម្មជាតិ ដើម្បីបង្ហាញអត្រាភាគរយ ដូចជាចំនួនបែបបទផ្សេងៗនៃប្រភេទផ្សិតដែលរស់នៅក្នុងឈុតទិន្នន័យអំពីផ្សិត។ យើងចង់ស្វែងយល់អំពីផ្សិតដែលគួរឱ្យចាប់អារម្មណ៍ទាំងនេះដោយប្រើឈុតទិន្នន័យមួយដែលបានប្រមូលផ្តុំពី Audubon ដែលបញ្ជាក់ព័ត៌មានលម្អិតអំពីប្រភេទផ្សិត ២៣ ជាតិសត្វលក្ខណៈប្រភេទស្លាបក្នុងគ្រួសារ Agaricus និង Lepiota។ អ្នកនឹងសាកល្បងជាមួយការបង្ហាញដែលឆ្ងាញ់ៗដូចជា៖

គំនូរជាតារាងមូល 🥧
គំនូរស្លាបព្រីង 🍩
គំនូរតារាងវ៉ាហ្វ៊ែ 🧇

💡 គម្រោងមួយដែលគួរឲ្យចាប់អារម្មណ៍ខ្លាំងដែលហៅថា Charticulator ដោយ Microsoft Research ផ្តល់ឱ្យនូវចំណុចប្រទាក់ចាប់យកនិងទម្លាក់ដោយសេរីសម្រាប់ការបង្ហាញទិន្នន័យ។ ក្នុងមេរៀនមួយរបស់ពួកគេសព្វថ្ងៃ ខ្លួនពួកគេសម្តែងរៀបចំឈុតទិន្នន័យផ្សិតនេះផងដែរ! ដូច្នេះ អ្នកអាចស្វែងយល់ទិន្នន័យ និងសិក្សាបណ្ណាល័យនៅពេលតែមួយ: មេរៀន Charticulator។

សំណួរកម្រិតមុនបង្រៀន

ស្គាល់ពីផ្សិតរបស់អ្នក 🍄

ផ្សិតគឺគួរឱ្យចាប់អារម្មណ៍ខ្លាំង។ យើងមកនាំចូលឈុតទិន្នន័យដើម្បីសិក្សាទាំងនេះ៖

mushrooms = read.csv('../../data/mushrooms.csv')
head(mushrooms)

តារាងមួយត្រូវបានបោះពុម្ពចេញជាមួយទិន្នន័យល្អសម្រាប់វិភាគ៖

ថ្នាក់	រូបរាងមួក	ភាពរលោងមួក	ពណ៌មួក	ប្រេះ	ផ្លែទែ	ការចងភ្លៅ	រង្វាស់គ្នាជិត	ទំហំភ្លៅ	ពណ៌ភ្លៅ	រូបរាងកំពង់	ជើងកំពង់	ភាពរលោងខាងលើកំពង់	ភាពរលោងខាងក្រោមកំពង់	ពណ៌ខាងលើកំពង់	ពណ៌ខាងក្រោមកំពង់	ប្រភេទវេល	ពណ៌វេល	ចំនួនរំលង	ប្រភេទរំលង	ពណ៌ព្រីនស្ពរ
ពុលសកម្ម	ព្រួញរាងក្រោម	រលោង	សំឡីខ្មៅ	ប្រេះ	ក្លិនខ្លាញ់	មិនចងភ្លៅ	ក្បែរ	ស្ពឹកតូច	ខ្មៅ	កំពង់តែងដល់	ស្មើ	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	រំលង	ទីក្រុង
ដោះផ្លែបរិភោគ	ព្រួញរាងក្រោម	រលោង	លឿង	ប្រេះ	អាល់មល	មិនចងភ្លៅ	ក្បែរ	ក្បាលធំ	ខ្មៅ	កំពង់តែងដល់	ក្លឹប	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	ច្រើន	ស្មៅ
ដោះផ្លែបរិភោគ	ខ្ទះ	រលោង	ស	ប្រេះ	ស្លឹកអាណី	មិនចងភ្លៅ	ក្បែរ	ក្បាលធំ	សំឡីខ្មៅ	កំពង់តែងដល់	ក្លឹប	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	ច្រើន	ទីស្រែ
ពុលសកម្ម	ព្រួញរាងក្រោម	មានស្បែកលើ	ស	ប្រេះ	ក្លិនខ្លាញ់	មិនចងភ្លៅ	ក្បែរ	ស្ពឹកតូច	សំឡីខ្មៅ	កំពង់តែងដល់	ស្មើ	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	រំលង	ទីក្រុង
ដោះផ្លែបរិភោគ	ព្រួញរាងក្រោម	រលោង	បៃតង	គ្មានប្រេះ	គ្មានក្លិន	មិនចងភ្លៅ	ក្បែរពេញ	ក្បាលធំ	ខ្មៅ	រាបចុះ	ស្មើ	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	ច្រើន	ស្មៅ
ដោះផ្លែបរិភោគ	ព្រួញរាងក្រោម	មានស្បែកលើ	លឿង	ប្រេះ	អាល់មល	មិនចងភ្លៅ	ក្បែរ	ក្បាលធំ	សំឡីខ្មៅ	កំពង់តែងដល់	ក្លឹប	រលោង	រលោង	ស	ស	ផ្នែកមួយ	ស	មួយ	ច្រើន	ស្មៅ

ភ្លាមៗ អ្នកនឹងសង្កេតឃើញថាទិន្នន័យទាំងអស់គឺជាច្រកអក្សរ។ អ្នកត្រូវតែកែប្រែទិន្នន័យនេះដើម្បីដាក់ក្នុងតារាង។ ភាគច្រើនទិន្នន័យនេះ ត្រូវបានបញ្ចេញជាវត្ថុមួយ៖

names(mushrooms)

លទ្ធផលគឺ៖

[1] "class"                    "cap.shape"               
 [3] "cap.surface"              "cap.color"               
 [5] "bruises"                  "odor"                    
 [7] "gill.attachment"          "gill.spacing"            
 [9] "gill.size"                "gill.color"              
[11] "stalk.shape"              "stalk.root"              
[13] "stalk.surface.above.ring" "stalk.surface.below.ring"
[15] "stalk.color.above.ring"   "stalk.color.below.ring"  
[17] "veil.type"                "veil.color"              
[19] "ring.number"              "ring.type"               
[21] "spore.print.color"        "population"              
[23] "habitat"

យកទិន្នន័យនេះហើយបំលែងជួរឈរលក្ខណៈ 'class' ទៅជាប្រភេទ៖

library(dplyr)
grouped=mushrooms %>%
  group_by(class) %>%
  summarise(count=n())

ឥឡូវនេះ បើអ្នកបោះពុម្ពទិន្នន័យផ្សិតនេះចេញ អ្នកនឹងឃើញថាវាត្រូវបានចែកជាក្រុមតាមលក្ខណៈពុល/អាចប្រើបាន៖

View(grouped)

class	ចំនួន
ដោះផ្លែបរិភោគ	4208
ពុលសកម្ម	3916

បើអ្នកធ្វើតាមលំដាប់បង្ហាញនៅក្នុងតារាងនេះ ដើម្បីបង្កើតស្លាកប្រភេទថ្នាក់ អ្នកអាចបង្កើតតារាងភាគរយបាន។

ភាគរយ!

pie(grouped$count,grouped$class, main="Edible?")

វ៉ា ឡា, គំនូរតារាងមូលបង្ហាញអត្រាសមាមាត្រនៃទិន្នន័យនេះដោយផ្អែកលើថ្នាក់ផ្សិតទាំងពីរ។ វារស់សំខាន់ក្នុងការត្រួតពិនិត្យលំដាប់នៃស្លាក ដូច្នេះចូរត្រួតពិនិត្យលំដាប់របស់ចំណងជើងដែលបង្កើតឡើងច្បាស់លាស់ណាស់!

ស្លាបព្រីង!

គំនូរតារាងមូលមួយដែលគួរឲ្យចាប់អារម្មណ៍ visually ធ្វើបានជាស្លាបព្រីង ដែលបង្កើតដោយមានរន្ធនៅកណ្តាល។ យើងមកមើលទិន្នន័យរបស់យើងដោយរបៀបនេះ។

មើលទៅផ្ទៃនៅជុំវិញដែលផ្សិតធំឡើង៖

library(dplyr)
habitat=mushrooms %>%
  group_by(habitat) %>%
  summarise(count=n())
View(habitat)

លទ្ធផលគឺ៖

បរិយាកាស	ចំនួន
ស្មៅ	2148
ស្លឹក	832
ទីស្រែ	292
ផ្លូវ	1144
ទីក្រុង	368
ខូច	192
ឈើ	3148

នៅទីនេះ អ្នកកំពុងចែកប្រភេទទិន្នន័យដោយផ្អែកលើបរិយាកាស។ មាន ៧ ប្រភេទដូច្នេះចូរប្រើវាជាស្លាកសម្រាប់គំនូរស្លាបព្រីងរបស់អ្នក៖

library(ggplot2)
library(webr)
PieDonut(habitat, aes(habitat, count=count))

កូដនេះប្រើបណ្ណាល័យពីរ ggplot2 និង webr។ ដោយប្រើមុខងារ PieDonut ពីបណ្ណាល័យ webr អ្នកអាចបង្កើតគំនូរស្លាបព្រីងបានយ៉ាងងាយស្រួល!

គំនូរស្លាបព្រីងនៅក្នុងភាសា R អាចបង្កើតបានតែដោយប្រើបណ្ណាល័យ ggplot2 ផងដែរ។ អ្នកអាចស្វែងយល់បន្ថែមអំពីវា នៅទីនេះ ហើយសាកល្បងដោយខ្លួនឯង។

ឥឡូវនេះ អ្នកបានស្គាល់របៀបក្រុមទិន្នន័យរបស់អ្នក រួចបង្ហាញវាជាស្លាកភាគរយ ឬស្លាបព្រីង អ្នកអាចសាកល្បងមើលគំនូរផ្សេងទៀត។ សាកល្បងគំនូរតារាងវ៉ាហ្វ៊ែ ដែលជាវិធីផ្សេងទៀតក្នុងការបង្ហាញបរិមាណ។

វ៉ាហ្វ៊ែ!

គំនូរប្រភេទ 'វ៉ាហ្វ៊ែ' គឺជាវិធីខុសគ្នាក្នុងការចាក់បង្ហាញបរិមាណជា ២D ជួរឈរ និងជួរឈរ។ សាកល្បងបង្ហាញបរិមាណពណ៌មួកផ្សិតផ្សេងគ្នាជាមួយឈុតទិន្នន័យនេះ។ ដើម្បីធ្វើបែបនេះ អ្នកត្រូវតែដំឡើងបណ្ណាល័យជំនួយមួយដែលហៅថា waffle ហើយប្រើវាដើម្បីបង្កើតការចាក់បង្ហាញរបស់អ្នក៖

install.packages("waffle", repos = "https://cinc.rud.is")

ជ្រើសរើសផ្នែកមួយនៃទិន្នន័យរបស់អ្នកដើម្បីក្រុម៖

library(dplyr)
cap_color=mushrooms %>%
  group_by(cap.color) %>%
  summarise(count=n())
View(cap_color)

បង្កើតគំនូរតារាងវ៉ាហ្វ៊ែដោយបង្កើតស្លាក ហើយបន្ទាប់មកក្រុមទិន្នន័យរបស់អ្នក៖

library(waffle)
names(cap_color$count) = paste0(cap_color$cap.color)
waffle((cap_color$count/10), rows = 7, title = "Waffle Chart")+scale_fill_manual(values=c("brown", "#F0DC82", "#D2691E", "green", 
                                                                                     "pink", "purple", "red", "grey", 
                                                                                     "yellow","white"))

ដោយប្រើគំនូរតារាងវ៉ាហ្វ៊ែ អ្នកអាចមើលឃើញពីភាគរយពណ៌មួកក្នុងឈុតទិន្នន័យផ្សិតនេះយ៉ាងច្បាស់។ គួរឲ្យចាប់អារម្មណ៍មានផ្សិតពណ៌បៃតងច្រើន!

នៅក្នុងមេរៀននេះ អ្នកបានរៀនពីវិធីបង្ហាញអត្រាភាគរយឆេរបីវិធី។ ជាមុនសិន អ្នកត្រូវចែកទិន្នន័យជាក្រុមតាមប្រភេទ ហើយបន្ទាប់មកជ្រើសរើសវិធីល្អបំផុតសម្រាប់បង្ហាញទិន្នន័យ - គំនូរមូល ភាគរយស្លាបព្រីង ឬវ៉ាហ្វ៊ែ។ ទាំងអស់ទាំងនេះឆ្ងាញ់និងផ្តល់ចំណង់ចំណូលចិត្តឱ្យអ្នកប្រើដោយទទួលបានរូបភាពមួយភ្លាមៗពីឈុតទិន្នន័យ។

🚀 មេរៀនបញ្ញាត់

សាកល្បងបង្កើតវិញគំនូរឆ្ងាញ់ៗទាំងនេះនៅក្នុង Charticulator។

សំណួរកម្រិតបន្ទាប់បង្រៀន

ពិនិត្យមើលឡើងវិញ និងអនុវត្តផ្ទាល់

មួយច្រើនពេលវាជារឿងពិបាកក្នុងការជ្រើសរើសពេលណាដែលត្រូវប្រើគំនូរមូល ស្លាបព្រីង ឬវ៉ាហ្វ៊ែ។ មានអង្គការសម្រាប់អានអត្ថបទនៅលើប្រធានបទនេះ៖

https://www.beautiful.ai/blog/battle-of-the-charts-pie-chart-vs-donut-chart

https://medium.com/@hypsypops/pie-chart-vs-donut-chart-showdown-in-the-ring-5d24fd86a9ce

https://www.mit.edu/~mbarker/formula1/f1help/11-ch-c6.htm

https://medium.datadriveninvestor.com/data-visualization-done-the-right-way-with-tableau-waffle-chart-fdf2a19be402

សូមស្រាវជ្រាវបន្ថែមសម្រាប់ព័ត៌មានបន្ថែមអំពីការសម្រេចចិត្តពិបាកនេះ។

ការងារ

សាកល្បងវាក្នុង Excel

ការព្រមាន៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ក្នុងខណៈពេលយើងខិតខំបំផុតដើម្បីឲ្យបានភាពត្រឹមត្រូវ សូមយល់ដឹងថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវខ្លះ។ ឯកសារដើមនៅក្នុងភាសាមូលដ្ឋានគួរត្រូវបានគេចាត់ទុកជាមូលដ្ឋានដែលមានអំណាច។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយមនុស្សជំនាញត្រូវបានផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសទៅពីការប្រើប្រាស់ការបកប្រែនេះទេ។