Phrasal Verbs Collection

►COME ALONG = arrive at a place . ex : not many people bought tickets for the concert in advance , but quite a few came along and bought tickets at the door .

► COME APART = separate into pieces ex : the antique picture frame just came apart in my hands.

► COME AROUND/ROUND = become conscious again ex : a nurse was with me when i came round after the operation 

► in english two negative are equal to an affirmative statement , you should avoid using two negative words in the same clause , when NOT is used NONE change to ANY , NOTHING to ANYTHING , NOBODY to ANYBODY , NO ONE to ANYONE , NOWHERE to ANYWHERE .

 

- don't say : she says she's not afraid of nobody !!
say : she says she's not afraid of anybody

 ► the pronoun coming after the verb TO BE must be in nominative case , and not in the objective in written composotion , however the objective case is now usually used in conversation : it's me , it was him/her/them ...etc 

- don't say : it was him

say : it was he 

Bite your tongue: to stop yourself from saying sth that might upset sb or cause an argument, although you want to speak.

-To stand your ground: to continue with your opinions or intentions when sb is opposing you and wants you to change.

-To drop sb a line: to send a short letter to sb.

USEFUL AMERICAN IDIOMS - BRAINS AND BEAUTY 

 

 

* turn heads = attract a lot of attention

 

 

* full of yourself = too pleasedwith yourself

 

* lost for words = not knowing what to say

 

OMISSION OF ELSE AFTER EVERYBODY , etc :

 

 

► use the word ELSE in making a comparison between one person or thing and all others of the same kind after everybody , anybody , anything ..ect

 

 

- don't say : she is stronger than everybody . 

 

say : she is stronger than everybody else .

 

USEFUL EXPRESSION :

 

TO BE ON THE DOT = TO BE AT TIME 

 

►"I don’t want to be waiting for you, so you’d betterbe there at three o’clock on the dot."

 

► "He’s supposed to show up at four on the dot. If heis late even a minute, I’m taking off."
► "She hates it when I’m late, so I have to show upon the dot."

 

SOCIAL EXPRESSIONS 

 

 

Some one sneezes. What do you say?

 

· Bless you!
-Answer: Thank you ! 

You’re just going to start eating. What do you say?
· Bon appetit.
· Enjoy your meal!

Someone says ,“Have a nice day!“ What do you say?
· You , too.
· The same to you!
· Thank you, the same to you.

ALL READY & ALREADY

-All ready means "completely ready". 

EG: "Are you all ready for the test?" 

-Already is an adverb that means before the present time or 

earlier than the time expected.

EG: "I asked him to come to the cinema but he'd already seen the film.

PHRASEL VERBS

► MAKE + TWO PARTICLES 

 

- make up for = provide something doog in order to make a bad situation better .

 

ex: the wonderful food in the restaurant made up for the rather uncomfortable seats 

► make it up to = do something good for someone who you have done a bad thing to in the past .
ex : i forgot teresa's birthay yesterday so i'll have to take her somewhere nice to make it up to her 

 

COMMON MISTAKES IN ENGLISH 

 

UNNECESSARY PREPOSITIONS

 

 

► answer = reply to 

 

don't say : please answer to my question.
say : please answer my question.

► approach = come near to 
don't say : don't approach to that house .
say : don't approach that house 

BROKEN HEART :

 

► head overheels = suddenly anddeeply inlove

 

► breaksomeone'sheart = make s0me0ne very sad

► pick up the pieces = rebuild something that was damaged

What is the difference between "on time" and "in time?" ???

 

-On time = at the planned time; neither late nor early:
Eg: Peter wants the meeting to start exactly on time.

-In time = with enough time to spare; before the last moment.
Eg: He would have died if they hadn’t got him to the hospital in time." 

 

EVEN IF VS EVEN THOUGH .

► remember that EVEN IF is used before statements that are hypothetical not fact :
eg : even if i had all the money in the world , i wouldn't buy that car .

► EVEN THOUGH on the other hand , is used before statements that are fact :
eg : she is not happy with her job even though she's just had a pay rise and promotion .

THE SUBJECT MISPLACED AFTER NEVER ...ETC

► when NEVER , SELDOM , RARELY , NEITHER , NOR, NOT ONLY , NOT SOONER are placed at the beginning of a complete clause , the verb must come before the subject as in a question .

- don't say : never i have heard of such a thing.

say : never have i heard of such a thing

HOPE OR WISH

► we use hope and wish to say how we would like things to be .

► we use hope for something we think is possible : eg : i hope we can see you soon ( we might see you )

► we use wish + past tense for something which is unlikely / impossible : eg : i wish we could come to london again ( we can't come )

► we use wish + past perfect when we express regret for something that happened in the past : eg : i wish i had seen the job advert (i didn't see the job advert )

► we use wish + would to say we don't like someone's current behaviour , and that we would like them to act differently. eg : i wish you would let me know what you are thinking ( you don't let me know )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Summarizing Grouped Data in R

A colleague of mine recently asked about computing basic summary statistics from grouped data in R. These are a couple examples that I suggested. Additional documentation for the plyr package can be found here.

 
Code Snippets

# load libraries
library(lattice) # nice looking plots
library(plyr) # advanced aggregation functions

# generate 100 random obs 
set.seed(1)
x <- rnorm(100)

# generate treatment labels
treatment <- rep(letters[1:5], each=4)

# generate depth labels
depth <- rep(c('0-10', '10-20'), 50)

# combine into a single dataframe
d <- data.frame(x, treatment, depth)

# check out the dataframe:
str(d)
head(d)


# visually check data with box-whisker plot
bwplot(x ~ treatment:depth, data=d, scales=list(y=list(tick.number=10, cex=0.75), x=list(rot=45, cex=0.75)), ylab='Measured Variable', xlab='Treatment / Group')


# calculate median by treatment and depth
aggregate(d$x, by=list(d$treatment, d$depth), median)

# Group.1 is the treatment
# Group.2 is the depth
# x is the median
   Group.1 Group.2            x
1        a    0-10  0.382152173
2        b    0-10  0.347044867
3        c    0-10  0.384062345
4        d    0-10  0.499198983
5        e    0-10 -0.191705870
6        a   10-20 -0.005618922
7        b   10-20  0.066331780
8        c   10-20  0.328471014
9        d   10-20 -0.049369325
10       e   10-20 -0.097184000


# another approach using ddply()
# compute a summary by treatment X depth
# returning the result as a nice data frame
ddply(d, .(treatment, depth), function(i) summary(i$x))

# result looks like this:
   treatment depth    Min.  1st Qu.    Median      Mean 3rd Qu.   Max.
1          a  0-10 -0.8356 -0.46760  0.382200  0.376500  0.8635 2.4020
2          b  0-10 -1.8050 -0.55550  0.347000  0.006561  0.5673 1.0630
3          c  0-10 -0.5425 -0.04595  0.384100  0.371000  0.5507 1.5120
4          d  0-10 -1.3770 -0.38070  0.499200  0.339300  1.1520 1.5870
5          e  0-10 -1.2770 -0.43100 -0.191700 -0.115700  0.4459 1.1000
6          a 10-20 -1.9890 -0.22380 -0.005619 -0.079500  0.4634 1.5950
7          b 10-20 -1.4710 -0.60670  0.066330  0.013510  0.6370 1.4660
8          c 10-20 -0.7099 -0.25470  0.328500  0.360600  0.7653 2.1730
9          d 10-20 -2.2150 -0.80430 -0.049370 -0.126100  0.4917 1.9800
10         e 10-20 -1.0440 -0.54830 -0.097180 -0.057270  0.4457 0.9438

Visualization of Grouped Data with Lattice Graphics (in R)

Overview
The lattice package for R provides several convenient functions for plotting data which has some kind of internal structure, usually in the form of groups. Lattice plotting functions create common visualizations of data (scatter plots, box-and-whisker plots, etc.), within in grid of panels defined by one or more grouping variables. See the manual page for xyplot for documentation and examples. The author of the lattice package has posted some excellent examples with code snippets from the upcoming definitive book on the topic (Lattice: Multivariate Data Visualization with R, by Deepayan Sarkar).

 
Complex Plots with Lattice
With the convenience of lattice graphics comes a price- complex plots cannot be generated element by element (as is the case using base graphics). Instead, one of several panel functions must be used or a customized panel function must be written. There is extensive documentation on this, but not nearly enough for the special case of wanting a graph which includes both lines and point symbols. In addition, lattice functions require that all data to be plotted occur in the same dataframe.This example presents one possible solution to plotting grouped data (via lattice) which consists of both different symbolization (lines and points) and source dataframes.

 
Example
The following example was created to illustrate the changes in the shape of the logistic function that occur with 3 possible 'slope' terms (b), and 3 possible 'intercept' terms (a). Each combination of slope and intercept are used as grouping variables, such that the resulting figure will contain 9 panels- one for each combination of slope/intercept. The panels are labeled with the respective slope (green panel title) and intercept (yellow panel title). To demonstrate plotting of mixed symbol types, an unrelated set of binary data was generated and split into the same 9 groupings. See R code below for the full story.

Lattice Plot Example: Panels illustrate the effect of different slope and intercept terms for the logistic function.

 
Generate 9 Possible Versions of the Logistic Function

## load required libs
library(lattice)

## 
## the logistic function
## a is the intercept, b the slope, and x the value
f <- function(a, b, x) {p <- (exp(a + b*x)) / (1 + exp(a + b*x))}


## a data vector 
x.seq <- seq(-5, 5, by=0.5)
x <- rep(x.seq, 9)

## generate some 
## slope and intercept possibilities
a.seq <- c(-2, 0, 2)
b.seq <- c(-1, -0.5, -0.25)

## create data  frame of all possible combinations
## i.e. all slope/intercept combinations
d <- expand.grid(a=a.seq, b=b.seq, x=x.seq, KEEP.OUT.ATTRS=FALSE)

## add the probability values back to the main DF
d$p <- f(d$a,d$b,d$x)

 

 
Generate Some Fake Binary Data

## generate some data on the predictor scale:
rx <- runif(min=-5, max=5, n=20)

## using the same groupings from the above example
## combine into a DF
rd <- expand.grid(a=a.seq, b=b.seq, x=rx, KEEP.OUT.ATTRS=FALSE)

## add pretend binary data
rd$rp <- rbinom(n=length(rd$x), 1, 0.5)

 

 
Merge the Two Dataframes

## add a dummy column to the original dataframe for the binary data
d$rp <- NA

## add dummy col for real probability
rd$p <- NA

## combine the first set of data with the pretend probabilities
dd <- make.groups(d, rd)

 

 
Plot Lines and Points with xyplot

xyplot(p + rp ~ x | factor(a) + factor(b), 
data=dd, 
ylab='Probability', 
xlab='Predictor Variable', 
panel=panel.superpose, 
distribute.type=TRUE, 
col=c(1,2), lwd=c(2,1), type=c('l','p'), pch=c(NA, '|') 
)

 

 
Conclusion
The trick to plotting multiple symbol types can be summarized with:

1. include all response variables to be plotted in the left-hand side of the plotting formula : p + rp ~ .... Note that they must share a common predictor variable, in this case the column "x" was used.
2. use the panel function panel=panel.superpose and its argument distribute.type=TRUE to allow for more than one plotting style
3. specify plotting styles (line style, symbol type, line width, color, etc.) as a vector which contains as many elements as response variables from the plotting formula: col=c(1,2), lwd=c(2,1), type=c('l','p'), pch=c(NA, '|')

With this approach in mind, it is possible to generate complicated plots using lattice graphics when data is of multiple type (line vs. point) and comes from multiple source dataframes. A common example of this scenario might involve plotting the continuous predictions from a linear model and the original points used to create the model.

Lattice Plot Example 2: Data from a logistic regression model, including fitted response, standard error, and original data points.

http://casoilresource.lawr.ucdavis.edu/drupal/node/510

 

Plotting XRD (X-Ray Diffraction) Data

Premise:
Some examples on how to prepare and present data collected from an XRD analysis. The clay fraction from seven horizons was analyzed by XRD, using the five common treatments: potassium saturation (K), potassium saturation heated to 350 Deg C (K 350), potassium saturation heated to 550 Deg C (K 550), magnesium saturation (Mg), and magnesium + glycerin saturation (Mg+GLY). These data files have been attached, and can be found near the bottom of the page.

 
Plotting the entire data set with lattice graphics:

## load libs
require(lattice)
require(reshape)

## read the composite data in as a table
## format is 2theta,MG,MG+GLY,K,K350,K550
h1 <- read.csv("tioga1_0-8.csv", header=FALSE)
h2 <- read.csv("tioga1_8-15.csv", header=FALSE)
h3 <- read.csv("tioga1_15-35.csv", header=FALSE)
h4 <- read.csv("tioga1_35-65.csv", header=FALSE)
h5 <- read.csv("tioga1_65-90.csv", header=FALSE)
h6 <- read.csv("tioga1_90-120.csv", header=FALSE)
h7 <- read.csv("tioga1_120-150.csv", header=FALSE)


## load some common d-spacings:
d_spacings <- c(0.33,0.358,0.434,0.482,0.717,1,1.2,1.4,1.8)
d_spacing_labels <- c(".33", ".36", ".43", ".48", ".7","1.0","1.2","1.4","1.8")

## combine horizons, and 
xrd <- make.groups(h1, h2, h3, h4, h5, h6, h7)
names(xrd) <- c('x', 'MG', 'MG+GLY', 'K', 'K 350', 'K 550', 'horizon')

## convert data into long format
xrd.long <- melt(data=xrd, id.var=c('x', 'horizon'), measure.var=c('K','K 350', 'K 550', 'MG', 'MG+GLY'), variable_name='treatment')

## set a better ordering of the treatments
xrd.long$treatment <- ordered(xrd.long$treatment, c('MG', 'MG+GLY', 'K', 'K 350', 'K 550'))


## change the strip background colors
##  trellis.par.set(list(strip.background = list(col = grey(c(0.9,0.8)) ))) 

## plot the data along with some common d-spacings:
xyplot(value ~ x | treatment + horizon , data=xrd.long, as.table=TRUE, ylim=c(0,500), xlab='Deg 2Theta', ylab='Counts', panel=function(x, y, ...){panel.abline(v=(asin(0.154/(2*d_spacings)) * 180/pi * 2), col=grey(0.9)) ; panel.xyplot(x, y, ..., type='l', col='black')} )

## another approach: labels on the side
xyplot(value ~ x | horizon + treatment , data=xrd.long, as.table=TRUE, ylim=c(0,500), xlab='Deg 2Theta', ylab='Counts', panel=function(x, y, ...){panel.abline(v=(asin(0.154/(2*d_spacings)) * 180/pi * 2), col=grey(0.9)) ; panel.xyplot(x, y, ..., type='l', col='black')}, strip.left=TRUE, strip=FALSE)

 

Example XRD plot with lattice graphics: 7 horizons and 5 treatments

http://casoilresource.lawr.ucdavis.edu/drupal/node/516

Tặng em nhân ngày Nhà giáo Việt Nam 20/11

Viết tặng em ngày Nhà giáo năm nay
Em, cô giáo của học trò bé nhỏ
Mẹ của 2 con, cô của riêng anh nữa
Làm mẹ, làm cô em vất vả bao điều!
Phận làm chồng giúp em chẳng bao nhiêu
Anh suốt thàng vùi đầu vào Net
Mọi việc gia đình để em lo hết
Nhân ngày này xin tha thứ cho anh!
Hỡi em yêu, người vợ hiền của anh
Vần thơ tặng em nhân ngày nhà giáo
Chỉ mong rằng em luôn là cô giáo 
Của học trò và của riêng anh!

Nguyễn Hữu Quý

Phong thủy cơ bản - Hướng nào hợp bạn ?

Phong Thủy đã có lịch sử phát triển hàng ngàn năm, tới xã hội hiện đại ngày nay nó càng thăng hoa và phát triển rực rỡ. Hiện nay tại Việt Nam tất cả cao ốc văn phòng, các công trình xây dựng dân dụng hay công nghiệp, những ngôi nhà đẹp đều áp dụng theo những nguyên tắc cơ bản của thuật Phong thủy. Nói cho cùng Phong thủy chính là 1 môn khoa học, chứ không phải mang màu sắc mê tín như 1 số người dốt thiếu hiểu biết nên cố tình tạo ra. Trước đây, vì lợi ích riêng tư mà các triều đại Vua chúa không cho phổ biến rộng rãi bộ môn này, cũng như các thầy Địa lý cố tình tạo nên sự huyền hoặc nhằm trục lợi những người nhẹ dạ cả tin.

Ngày nay, khoa học hiện đại đã vén tấm màn bí mật của Phong Thủy, cho chúng ta thấy đó là tập hợp những kinh nghiệm của người xưa về môi trường sống chung quanh, sao cho đạt được sự hài hòa giữa con người và thiên nhiên. Tuy nhiên, bên cạnh đó, cũng có 1 số vấn đề mà khoa học hiện đại cũng chỉ lý giải được 1 cách khiên cưỡng.Do đó, chúng ta mới gọi Phong Thủy là bộ môn Khoa Học…...Huyền bí ! 

Bát Trạch là 1 trong những trường phái thuộc Phong thủy cổ truyền được các chuyên gia Phong thủy sử dụng rộng rãi. Nó thuộc trường phái Tam Nguyên và có cơ sở từ chất lượng của Khí, được cai quản bởi các cung của ngôi nhà và làm cho năng lượng của ngôi nhà (Trạch Quái) phù hợp với các năng lượng của cá nhân (Mệnh Quái). Khái niệm nền tảng của Phong thủy Bát Trạch rất đơn giản, đó là sự hòa hợp giữ căn nhà và cá nhân thông qua sự liên kết Trạch quái và Mệnh quái.

Người sáng lập bát trạch không rỏ là ai chỉ biết nó xuất hiện vào thời Đại Đường. Vào thời gian này, Phong thủy học cũng như các môn Thiên văn, Địa lý tất cả đều bị cấm không truyền bá ra dân chúng cho nên người đời ít ai hiểu biết tới. Sau này Bát trạch trở nên rất thịnh hành vào thời Đại Tống và được lưu truyền rộng rãi từ đó đến nay. Tại Việt nam now,  quyển sách “Bát Trạch Minh Cảnh” là một tác phẩm rất phổ biến mà những người hiểu biết về Phong thủy đều phải nghiên cứu qua.

Nói đến Phong thủy Bát Trạch, có 1 phần rất quan trọng đó là bàn về xem hướng nhà cửa tốt hay xấu với người chủ nhà (nam or nữ). Cái này có tác dụng rất lớn trong cuộc sống đấy nhé các pácạ : nhất là với người chọn hướng khi mua 1 căn nhà mới, xem hướng để xây mới hoặc sửa chữa lại căn nhà đã cũ, chọn mặt bằng kinh doanh xem có hướng có hợp thì mới làm ăn được …. vv và rất là vv…kể cả là xem vợ chồng có hợp nhau ăn nên làm ra hay 0 hay chỉ mãi đủ ăn đủ mặc mà thui (cái này tra bảng riêng : Bát cẩm trạch nhân duyên). Phần lớn các bạn trước khi xây dựng nhà cửa chỉ xem ngày động thổ, ngày đào móng, ngày đổ tấm, ngày cất nóc……mà không chú ý tới hướng nhà, đấy là thiếu sót rất cơ bản. Sẽ có những điều không hay xảy ra với gia đình nếu 1 căn nhà xây tuyệt đẹp mà hướng lại 0 hợp với chủ nhà …. . Xin trình bầy với các bạn 1 kiến thức rất cơ bản về Phong thủy là xem hướng nào hợp với mình như sau :

 1. Thiên Can – Địa Chi :

Theo phân chia của cổ nhân, mỗi năm sẽ có 1 Thiên can đi kèm với 1 Địa chi. Do vậy, cứ 60 năm (từ Giáp Tý, Ất Sửu, Bính Dần......đến Quý Hợi) là 1 Nguyên. 180 năm (từ Giáp tý - Quý hợi) là 1 Hội (Tam nguyên) gồm Thượng nguyên, Trung nguyên, Hạ nguyên. Cùng 1 tuổi (ví dụ Giáp Dần )nhưng ở Thượng nguyên, Trung nguyên, Hạ  nguyên khác nhau về trạch vận nhé. Trong lĩnh vực Phong Thủy, chỉ cần xác định năm sinh là ta có thể biết ngay được hướng tốt xấu của bản thân, không như bên xem số mạng đòi hỏi phải đủ năm tháng ngày giờ sinh.   

 2. Bát Quái là gì :  

Ta cần phải nói đến khái niệm Bát Quái. Ở đây Đạo sỹ 0 nêu nguồn gốc rất dài dòng và phức tạp của Bát Quái, chỉ xin giới thiệu khái niệm về 8 quẻ rất cơ bản của bát Quái mà ai cũng biết đó là :

Càn – Khảm – Cấn – Chấn – Tốn – Ly – Khôn - Đoài.  Trong đó : “ Càn vi Thiên ; Khảm vi Thủy ; Cấn vi Sơn ; Chấn vi Lôi ; Tốn vi Phong ; Ly vi Hỏa ; Khôn vi Địa và Đoài vi Trạch” . Bát quái chính là 8 hiện tượng lớn và cơ bản nhất của Tự nhiên và Vũ trụ.

Đó là Càn = trời ; Khôn = đất ; Chấn = sấm sét ; Tốn = gió ; Khảm = nước ; Ly= lửa ; Cấn = núi ; Đoài = đồng cỏ thấp có nước or đầm nước. Tám quái cơ bản này được đại diện bằng các con số 1,2,3,4,6,7,8,9 như sau : 

Đông Tứ Trạch	Tây Tứ Trạch
Số 1 : Khảm (thủy) – hướng chánh Bắc	Số 2 : Khôn (Thổ) – hướng Tây Nam
Số 3 : Chấn (Mộc) – hướng chánh Đông	Số 6 : Càn (Kim) – hướng Tây Bắc
Số 4 : Tốn (Mộc) – hướng Đông Nam	Số 7 : Đoài (Kim) –hướng chánh Tây
Số 9 : Li (Hỏa) – hướng chánh Nam	Số 8 : Cấn (Thổ) – hướng Đông Bắc
Số 5 Nam thì là quẻ Khôn, Số 5 Nữ là quẻ Cấn

   3. Công thức xác định Mệnh Quái :  

Để xác định được số mệnh quái thì phải tính theo công thức dựa vào năm sinh của người đó.Nam nữ do khác nhau về giới tính nên cùng 1 năm sinh nhưng trạch quái khác nhau nhé. Ví dụ:Nam 1974 – trạch quái là Cấn (Thổ) trong khi Nữ sinh 1974 – trạch quái là  Đoài (Kim).  Bình thường có bảng tra trạch quái theo năm sinh, tuy nhiên bảng này cực kỳ dài dòng 0 cẩn thận sẽ rất dễ nhầm lẫn nên Đạosỹ xin sẽ trình bày cách tính đơn giản trong Entry này như sau :           

Nam : lấy năm sinh chia 9 ;           lấy 11- số dư còn lại = kết quả , rùi tra trong bảng quái số ra tên Quái.

Nữ : lấy (năm sinh + 4 ) chia 9 ;         số dư còn lại là  kết quả, rùi tra trong bảng quái số ra tên Quái.

   Tỷ dụ : Bạn là Nam sinh năm 1974 chẳng hạn .

                1974 / 9 = 219 dư 3 ; lấy 11 – 3 = 8 …Tra bảng số 8 là Cấn (Thổ), hướng tốt là : ĐB–TN-TB-T 
              Bạn là Nữ sinh năm 1974 chẳng hạn . 

                (1974 + 4) = 1978 / 9 = 219 dư 7 … Tra bảng số 7 là Đoài (Kim), hướng tốt là: T-TN-ĐB-TB 

4. Từ Quái của mình tra bảng ra Hướng tốt & xấu :   

Khi đã xác định được Quái của mình, tra bảng bạn sẽ tìm ra được hướng tốt và xấu cho cá nhân mình. Tóm lại, bất kỳ ai cũng có 4 hướng Cát (tốt) là Sinh Khí, Thiên Y, Diên Niên và Phục Vị . Dĩ nhiên cũng có 4 hướng Hung (xấu) là : Họa hại, Lục Sát, Tuyệt Mệnh và Ngũ Quỷ. Hy vọng các bạn  có thể tự mình tìm thấy hướng thích hợp cho ngôi nhà của các bạn.  

Nhóm Đông Trạch
Quái	Sinh khí	Thiên Y	Diên niên	Phục Vị	Họa hại	Ngũ quỷ	Lục sát	Tuyệt Mệnh
Khảm	ĐN	Đ	N	B	T	ĐB	TB	TN
Chấn	N	B	ĐN	Đ	TN	TB	ĐB	T
Tốn	B	N	Đ	ĐN	TB	TN	T	ĐB
Li	Đ	ĐN	B	N	ĐB	T	TN	TB
Nhóm Tây Trạch
Quái	Sinh khí	Thiên Y	Diên niên	Phục Vị	Họa hại	Ngũ quỷ	Lục sát	Tuyệt Mệnh
Khôn	ĐB	T	TB	TN	Đ	ĐN	N	B
Càn	T	ĐB	TN	TB	ĐN	Đ	B	N
Đoài	TB	TN	ĐB	T	B	N	TN	Đ
Cấn	TN	TB	T	ĐB	N	B	Đ	ĐN

 Hướng tốt :

* Sinh khí (Sheng Qi) – tạo nên cuộc sống : Vượng khí lớn, cai quản về phương diện tài chính và danh tiếng. Sinh khí thường giúp nắm bắt các cơ hội tài chính và nâng cao uyền lực, địa vị và danh tiếng.

* Thiên Y (Tian Yi) – Bác sỹ tuyệt vời : Khí Thiên Y giúp củng cố sinh lực và hỗ trợ về mặt sức khỏe. Nó cũng giúp có được sự nâng đỡ và hỗ trợ của các bậc thông thái cũng như người giàu có.

* Diên Niên (Yan Nian) – trường thọ : Diên niên vận hành giúp cải thiện các mối quan hệ, đẩy mạnh và xúc tiến quan hệ trong công việc. Nó cũng hỗ trợ cho sự giao tiếp giữa các đối tác và cá nhân.

* Phục Vị (Fu Wei) - sự ổn định : Loại khí này có tác dụng mang lại sự điềm tĩnh, thường dùng trong các hoạt động như thiền định, tự trau dồi thư giãn.

 Hướng xấu :

* Họa Hại (Huo Hai) - rủi ro : Loại Khí này mang tới nhiều rắc rối, bất hòa, chia cách và phiền toái nhưng chỉ ở mức độ tranh cãi chứ chưa gây thiệt hại. Loại này thường làm cho mọi người lo lắng 0 yên tâm.

* Ngũ Quỷ (Wu Gui) : Khí dẫn tới chứng đau ốm và tai ương nói chung hoặc những điều rủi ro, thường liên quan đến các vấn đề tài chính. Nó cũng là biểu trưng cho những việc làm mang tính lừa lọc và phản trắc, và chắc chắn sẽ dẫn đến mất mát hoặc bị trộm cướp.

* Lục Sát (Lui Sha) : Khí làm phát sinh những vấn đề liên quan đến việc kiện cáo. Nó cũng gây ra các cuộc tranh cãi, bất hòa và mâu thuẫn. Đôi khi nó cũng làm tổn hại cho thân thể vì những mâu thuẫn hoặc tranh cãi .

* Tuyệt Mệnh (Jue Ming) : Khí mang đến những bất hạnh bao gồm những vấn đề nghiêm trọng về sức khỏe, tai nạn và những tổn thương, đôi khi gia đình hoặc hôn nhân tan vỡ.