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

ការមើលឃើញទំនាក់ទំនង៖ អំពីទឹកឃ្មុំទាំងអស់ 🍯


ការមើលឃើញទំនាក់ទំនង - Sketchnote by @nitya

បន្តជាមួយការផ្ដោតលើធម្មជាតិ ក្នុងការស្រាវជ្រាវរបស់យើង ចូរបង្ហាញការមើលឃើញដ៏គួរឲ្យចាប់អារម្មណ៍ ដើម្បីបង្ហាញទំនាក់ទំនងរវាងប្រភេទទឹកឃ្មុំផ្សេងៗគ្នា អាប់ដាតពីទិន្នន័យមួយដែលទទួលបានពី ក្រសួងកសិកម្មសហរដ្ឋអាមេរិក ។

ទិន្នន័យនេះមានប្រហែល ៦០០ធាតុ បង្ហាញពីការផលិតទឹកឃ្មុំក្នុងរដ្ឋជាច្រើនរបស់អាមេរិក។ ដូច្នេះ ឧទាហរណ៍ អ្នកអាចមើលចំនួនពូជមហាធំ, ផលចំណេញលើមហាធំមួយ, ការផលិតសរុប, ផ្ទុកទុក, តម្លៃក្នុងមួយផោន អ្នកតម្លៃរបស់ទឹកឃ្មុំនៅក្នុងរដ្ឋនោះពីឆ្នាំ ១៩៩៨ ដល់ ២០១២ ក្នុងមួយជួរតួជាឆ្នាំសម្រាប់រដ្ឋនីមួយៗ។

វានឹងគួរឱ្យចាប់អារម្មណ៍ក្នុងការមើលឃើញទំនាក់ទំនងរវាងការផលិតរបស់រដ្ឋមួយក្នុងមួយឆ្នាំ និងឧទាហរណ៍តម្លៃទឹកឃមុំជារដ្ឋនោះ។ ជាជម្រើសផ្សេង អ្នកអាចមើលឃើញទំនាក់ទំនងរវាងផលចំណេញលើមហាធំរបស់រដ្ឋនីមួយៗ។ អំឡុងពេលឆ្នាំនេះគ្របដណ្តប់ការបញ្ហា 'CCD' ឬ 'Colony Collapse Disorder' ដែលអាចឃើញបានដំបូងនៅឆ្នាំ ២០០៦ (http://npic.orst.edu/envir/ccd.html) ហើយវាគឺជាទិន្នន័យដ៏ចាស់សុក្រឹតសម្រាប់ការសិក្សា 🐝

ល្បែងវាយតម្លៃមុនមេរៀន

នៅក្នុងមេរៀននេះ អ្នកអាចប្រើ ggplot2 ដែលអ្នកបានប្រើមុននោះជាយុលីបប្រើល្អក្នុងការមើលឃើញទំនាក់ទំនងរវាងអថេរ។ ខាងក្រោម ការប្រើ geom_point និង qplot របស់ ggplot2 ជារឿងគួរឱ្យចាប់អារម្មណ៍ ដែលអនុញ្ញាតឲ្យបង្ហាញក្រាភិកសាច់ញាតិកំណត់តាមចំណុច និងបន្ទាត់ ដើម្បីមើលឃើញ “ទំនាក់ទំនងស្ថិតិ” ដែលជួយឲ្យអ្នកវិទ្យាសាស្ត្រទិន្នន័យយល់ដឹងពីរបៀបដែលអថេរតភ្ជាប់គ្នា។

សាច់ញាតិកំណត់តាមចំណុច

ប្រើសាច់ញាតិកំណត់តាមចំណុច ដើម្បីបង្ហាញថាតម្លៃទឹកឃ្មុំនៅឆ្នាំក្នុងមួយឆ្នាំ តម្លៃលើរដ្ឋណាមួយ។ ggplot2 ប្រើ ggplot និង geom_point ជាការងាយស្រួលក្នុងការបំបែកទិន្នន័យរដ្ឋ និងបង្ហាញចំណុចទិន្នន័យទាំងសម្រាប់ទិន្នន័យចំណាត់ថ្នាក់ និងចំនួន។

ចាប់ផ្តើមដោយនាំចូលទិន្នន័យ និង Seaborn៖

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

អ្នកនឹងសង្កេតឃើញថាទិន្នន័យទឹកឃ្មុំមានជួរឈរច្រើនដ៏គួរឲ្យចាប់អារម្មណ៍ រួមមានឆ្នាំ និងតម្លៃក្នុងមួយផោន។ ចង់ស្វែងយល់ពីទិន្នន័យនេះ ដែលបានក្រុមតាមរដ្ឋអាមេរិក៖

រដ្ឋ	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	ឆ្នាំ
AL	16000	71	1136000	159000	0.72	818000	1998
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AR	53000	65	3445000	1688000	0.59	2033000	1998
CA	450000	83	37350000	12326000	0.62	23157000	1998
CO	27000	72	1944000	1594000	0.7	1361000	1998
FL	230000	98	22540000	4508000	0.64	14426000	1998

បង្កើតសាច់ញាតិកំណត់តាមចំណុចមួយ ដើម្បីបង្ហាញទំនាក់ទំនងរវាងតម្លៃក្នុងមួយផោននៃទឹកឃ្មុំ និងរដ្ឋអាមេរិកដើមកំណើត។ ប្រាកដថាអ័ក្ស y មានកម្ពស់គ្រប់គ្រងគ្រប់រដ្ឋទាំងអស់៖

library(ggplot2)
ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(colour = "blue")

ឥឡូវនេះ បង្ហាញទិន្នន័យដូចគ្នានេះជាមួយផ្ទាំងពណ៌ទឹកឃ្មុំ ដើម្បីបង្ហាញពីការវិវឌ្ឍតម្លៃក្នុងរយៈពេលជាច្រើនឆ្នាំ។ អ្នកអាចធ្វើនេះដោយបន្ថែមអថេរ 'scale_color_gradientn' ដើម្បីបង្ហាញការផ្លាស់ប្តូរពីឆ្នាំមួយទៅឆ្នាំមួយ៖

✅ សូមរៀនបន្ថែមអំពី scale_color_gradientn - សាកល្បងផ្ទាំងពណ៌ឥដ្ឋស្រស់ស្អាត!

ggplot(honey, aes(x = priceperlb, y = state, color=year)) +
  geom_point()+scale_color_gradientn(colours = colorspace::heat_hcl(7))

ជាមួយការប្រែប្រួលផ្ទាំងពណ៌នេះ អ្នកអាចឃើញថាមានការទៅមុខយ៉ាងខ្លាំងតាមឆ្នាំពាក់ព័ន្ធនឹងតម្លៃទឹកឃ្មុំក្នុងមួយផោនពិតប្រាកដ។ ពិតណាស់ ប្រសិនបើអ្នកមើលទៅកន្លែងមួយក្នុងទិន្នន័យដើម្បីផ្ទៀងផ្ទាត់ (ជ្រើសរើសរដ្ឋមួយ, ឧទាហរណ៍ Arizona) អ្នកអាចឃើញលំនាំនៃការកើនឡើងតម្លៃរៀងរាល់ឆ្នាំ ជាមួយនឹងលក្ខណៈលើសខ្លះ៖

រដ្ឋ	numcol	yieldpercol	totalprod	stocks	priceperlb	prodvalue	ឆ្នាំ
AZ	55000	60	3300000	1485000	0.64	2112000	1998
AZ	52000	62	3224000	1548000	0.62	1999000	1999
AZ	40000	59	2360000	1322000	0.73	1723000	2000
AZ	43000	59	2537000	1142000	0.72	1827000	2001
AZ	38000	63	2394000	1197000	1.08	2586000	2002
AZ	35000	72	2520000	983000	1.34	3377000	2003
AZ	32000	55	1760000	774000	1.11	1954000	2004
AZ	36000	50	1800000	720000	1.04	1872000	2005
AZ	30000	65	1950000	839000	0.91	1775000	2006
AZ	30000	64	1920000	902000	1.26	2419000	2007
AZ	25000	64	1600000	336000	1.26	2016000	2008
AZ	20000	52	1040000	562000	1.45	1508000	2009
AZ	24000	77	1848000	665000	1.52	2809000	2010
AZ	23000	53	1219000	427000	1.55	1889000	2011
AZ	22000	46	1012000	253000	1.79	1811000	2012

វិធីមួយផ្សេងទៀតក្នុងការមើលឃើញការវិវឌ្ឍនេះ គឺប្រើទំហំ ជំនួសពណ៌។ សម្រាប់អ្នកដែលមានវិបត្តិពណ៌ បែបនេះអាចជាជម្រើសល្អប្រសើរជាង។ កែប្រែការមើលឃើញរបស់អ្នក ដើម្បីបង្ហាញកំណើនតម្លៃតាមការកើនជុំវិញជុំវិញនៃចំណុច៖

ggplot(honey, aes(x = priceperlb, y = state)) +
  geom_point(aes(size = year),colour = "blue") +
  scale_size_continuous(range = c(0.25, 3))

អ្នកអាចឃើញទំហំចំណុចកើនឡើងយ៉ាងលំនាំ។

តើនេះជាករណីធម្មតាជារឿងផ្គត់ផ្គង់ និងតម្រូវការឬ? ដោយសារបញ្ហាដូចជា ការប្រែប្រួលអាកាសធាតុ និងការបាត់បង់ពូជមហាធំ ទឹកឃ្មុំមានបរិមាណតិចជាងមុនក្នុងមួយឆ្នាំ ហើយតម្លៃកំពុងឡើង?

ដើម្បីស្វែងរកទំនាក់ទំនងរវាងអថេរមួយចំនួនក្នុងទិន្នន័យនេះ សូមស្វែងយល់ពីក្រាភិកបន្ទាត់ខ្លះ។

ក្រាភិកបន្ទាត់

សំនួរ៖ តើមានការកើនឡើងច្បាស់លាស់ក្នុងតម្លៃទឹកឃ្មុំក្នុងមួយផោន រៀងរាល់ឆ្នាំឬ? អ្នកអាចស្វែងរកកម្រិតមិនលំបាក ដោយបង្កើតក្រាភិកបន្ទាត់តែមួយ៖

qplot(honey$year,honey$priceperlb, geom='smooth', span =0.5, xlab = "year",ylab = "priceperlb")

ចម្លើយ៖ មែនហើយ មានករណីលើសខ្លះនៅឆ្នាំ ២០០៣៖

សំនួរ៖ នៅឆ្នាំ ២០០៣ តើយើងអាចឃើញកំណើនក្នុងការផ្គត់ផ្គង់ទឹកឃ្មុំដែរឬ? ប្រសិនបើអ្នកមើលការផលិតសរុប រៀងរាល់ឆ្នាំ?

qplot(honey$year,honey$totalprod, geom='smooth', span =0.5, xlab = "year",ylab = "totalprod")

ចម្លើយ៖ មិនមែនទេ។ ប្រសិនបើអ្នកមើលកម្រិតការផលិតសរុប វាហាក់បីដូចជាបានកើនឡើងនៅឆ្នាំនោះ ចូរបញ្ជាក់ថា ជាទូទៅ ចំនួនទឹកឃ្មុំផលិតកំពុងធ្លាក់ចុះនៅក្នុងឆ្នាំទាំងនេះ។

សំនួរ៖ ក្នុងករណីនោះ អ្វីជាអ្វីដែលបណ្តាលឲ្យតម្លៃទឹកឃ្មុំកើនឡើងខ្លាំងនៅឆ្នាំ ២០០៣?

ដើម្បីស្វែងរកចម្លើយនេះ អ្នកអាចស្វែងយល់ក្រាភិក facet grid មួយ។

Facet grids

Facet grids កាន់កាប់មុខងារមួយនៃទិន្នន័យរបស់អ្នក (សម្រាប់ករណីរបស់យើង អ្នកអាចជ្រើសរើស 'ឆ្នាំ' ដើម្បីជៀសវាងការបង្កើត facet ច្រើនពេក)។ Seaborn អាចបង្កើតក្រាភិកមួយសម្រាប់មុខងារនីមួយៗនៃកូអរដោនេត x និង y ដែលអ្នកជ្រើសរើស ដើម្បីបង្កើតការប្រៀបធៀបទាន់សម័យបានកាន់តែស្រួល។ តើឆ្នាំ ២០០៣ មានភាពខុសគ្នា ក្រោមការប្រៀបធៀបបែបនេះ?

បង្កើត facet grid ដោយប្រើ facet_wrap ដូចដែលបានណែនាំក្នុង ឯកសាររបស់ ggplot2។

ggplot(honey, aes(x=yieldpercol, y = numcol,group = 1)) + 
  geom_line() + facet_wrap(vars(year))

ក្នុងការមើលឃើញនេះ អ្នកអាចប្រៀបធៀបផលចំណេញលើមហាធំ និងចំនួនពូជមហាធំ រៀងរាល់ឆ្នាំគ្នា ដោយមាន wrap 3 សម្រាប់ជួរឈរ៖

សម្រាប់ទិន្នន័យនេះ ពុំមានអ្វីសំខាន់ផ្ដល់អារម្មណ៍ពិសេសទាក់ទងនឹងចំនួនពូជ និងផលចំណេញរបស់ពួកគេ រៀងរាល់ឆ្នាំ និងរៀងរាល់រដ្ឋទេ។ តើមានវិធីផ្សេងណាមួយដើម្បីស្វែងរកទំនាក់ទំនងរវាងអថេរទាំងពីរនេះទេ?

ក្រាភិកបន្ទាត់គូ

សាកល្បងក្រាភិកបន្ទាត់ច្រើន ដោយដាក់ចំលងក្រាភិកបន្ទាត់ពីរលើគ្នា ប្រើប្រាស់ par និង plot របស់ R។ យើងនឹងបង្ហាញឆ្នាំនៅអ័ក្ស x ហើយបង្ហាញអ័ក្ស y ពីរជាមួយគ្នា។ ដូច្នេះ បង្ហាញផលចំណេញលើមហាធំ និងចំនួនពូជមហាធំ ជាបន្ទាត់លើគ្នា៖

par(mar = c(5, 4, 4, 4) + 0.3)              
plot(honey$year, honey$numcol, pch = 16, col = 2,type="l")              
par(new = TRUE)                             
plot(honey$year, honey$yieldpercol, pch = 17, col = 3,              
     axes = FALSE, xlab = "", ylab = "",type="l")
axis(side = 4, at = pretty(range(y2)))      
mtext("colony yield", side = 4, line = 3)

ខណៈពេលដែលគ្មានអ្វីបង្ហាញឡើងយ៉ាងច្បាស់នៅឆ្នាំ ២០០៣ វានៅតែមើលឃើញថាគម្ពីរនេះអាចបញ្ចប់មេរៀននេះដោយសំណើចមួយ៖ បើទោះជា ចំនួនពូជមហាធំពីរបៀបចុះតាមរយៈសរុប តែក៏ចំនួនពូជមហាធំពីរត្រូវបានអនុវត្តន៍ថ្កោលទុក ទោះបីផលចំណេញលើមហាធំកំពុងធ្លាក់ចុះមែន។

បាទ សិប្បនិម្មិត្តសូម្បី!

🐝❤️

🚀 ប្រវត្តិនេះជាការប្រកួតប្រជែង

នៅក្នុងមេរៀននេះ អ្នកបានរៀនបន្ថែមពីការប្រើប្រាស់សាច់ញាតិកំណត់តាមចំណុច និងក្រាភិកបន្ទាត់គូ រួមមាន facet grids។ ជួបប្រទៈខ្លួនអ្នកដោយបង្កើត facet grid មួយ ប្រើទិន្នន័យផ្សេងៗ ប្រហែលជា ទិន្នន័យដែលអ្នកបានប្រើមុនមេរៀនទាំងនេះ។ សូមចំណាំរយៈពេលដែលអ្នកចំណាយក្នុងការបង្កើត និងត្រូវប្រយ័ត្នចំនួន grid ដែលអ្នកត្រូវបង្ហាញដោយប្រើវិធីសាស្ត្រនេះ។

ល្បែងវាយតម្លៃបន្ទាប់មេរៀន

សង្ខេប និងសិក្សាដោយខ្លួនឯង

ក្រាភិកបន្ទាត់អាចជារឿងសាមញ្ញ ឬស្មុគស្មាញជាងនេះ។ សូមអានបន្ថែមនៅក្នុង ឯកសារ ggplot2 អំពីវិធីសាស្ត្រផ្សេងៗដែលអ្នកអាចសាងសំនង់បាន។ ព្យាយាមបង្កើនគុណភាពក្រាភិកបន្ទាត់ដែលអ្នកបានបង្កើតនៅក្នុងមេរៀននេះជាមួយវិធីសាស្ត្រផ្សេងៗដែលបានរាយនៅក្នុងឯកសារ។

បំណងផ្ទាល់ខ្លួន

ចូលទៅក្នុងរោងចក្រពូជមហាធំ

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ទន្ទឹមនឹងការខំប្រឹងធ្វើឲ្យមានភាពត្រឹមត្រូវ សូមដឹងថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមនៅក្នុងភាសាម្ដងរបស់វាត្រូវបានគេចាត់ទុកថាជាឯកសារយោងដ៏សំខាន់។ សម្រាប់ព័ត៌មានសំខាន់ គួរតែប្រែដោយអ្នកជំនាញផ្នែក មនុស្ស។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសទេដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។