可从顶部的“列”菜单中找到“重新编码”,然后在“实用工具”下找到。
我们还可以使用“数据”表中“列”面板附近的红色三角形来访问“重新编码”。
启动“重新编码”窗口后,可以在其红色三角形下找到大多数“重新编码”功能。前五个项目从以前的JMP版本继承下来。
在使用“注册名称”列检查此样本数据集以探索“重新编码”的增强功能之前,让我们先回顾一下一些现有功能。
注意:双击“列”面板中的“注册名称”列将立即将其显示。
选择recode菜单选项后,JMP将返回列值的摘要,包括计数和组数。组选项是新的,在我们的示例中,我们有287个“新值”部分,与以前的“重新编码”工具一样,它允许您编辑任何值。
转换为Titlecase,大写和小写对列中的所有行进行操作。
让我们选择“转换为标题大小写”以查看其对“新值”部分内容的影响。注意如何修改值以反映Titlecase的更改。
在重新编码过程中的任何时候,我们都可以选择“撤消”或“重做”键在编辑步骤之间来回移动,或者从红色三角形菜单中选择“重新开始”以返回到原始状态。
修剪空白将从文本中删除前导和尾随空格。请注意,选择此功能后,“ Todd Tullio”如何与“ Todd Tullio”组合在一起。Trim Whitespace将我们从287组增加到280组。
折叠空白删除了前导和尾随的空白,同时还用单个空白替换了内部空白字符串(任何长度)。
折叠空白将我们从287个小组带到270个小组。 那么哪些行发生了变化?任何更改都以阴影显示,以允许您扫描表格以快速查看更改。
第一个单词使用空格作为分隔符,仅用第一个单词替换给定文本。使用此功能可将我们从287个小组转移到144个小组。
这是将名称分为名字和姓氏的快速方法
最后一个词,除了第一个词外的所有词和所有除了最后一个词外的词都类似于第一个词。
选择“组相似值”使我们可以忽略大小写,不可打印字符,空格和标点符号。
在“组相似值”窗口的底部,我们还可以使用差异比率或最大字符差异来进行字符编辑。
最大字符差异是指将一个单词更改为另一个单词所需的字符编辑次数,例如插入,删除或更改。 它根据最大字符差异数对值进行分组-例如,键入“ 5”以将相差五个或更少字符的值分组。
差异率是字符编辑的数量除以较短单词的长度。它根据比例差异对值进行分组。例如,键入“ .25”以分组至少相差25%的值。差异比率会适应要比较的字符串的长度,因此,如果数据集同时包含差异字符串的长字符串和短字符串,则更好。
自己尝试不同类型的数据或JMP中的“公司”数据集,是熟悉分组比率的“差异比率”和“最大字符差异”的最佳方法。
我们也可以手动,完全或与其他分组方法一起分组。
有两种方法可以做到这一点:
通过选择所需的值或值组,然后单击鼠标右键(或按“组”按钮),或通过y将行编辑为相同的值。 当新行被编辑为此值时,它们将自动添加到组中。此选项非常方便,因为空格差异不同的行不会分组在一起-即使行看起来一样,您也可以知道行有所不同。
为了说明第二个分组选项,让我们首先从名称AM Taylor中手动删除句点。注意,在AM Taylor组中,其中一项没有分组,因此我们知道它仍然是不同的。它具有尾随空间。
这是执行自动分组并手动修改的示例。
从红色三角形菜单中,选择“分组相似值”,选中“允许字符编辑”,在对话框中输入0.25,然后单击“确定”。
我们的默认值做得很好,但是我们发现Gary H. Hartmann和Gary Hartmann(碰巧是同一个人)不属于Gary W. Hartmann的团队。
通过选择两行,单击鼠标右键,然后选择“从组中删除”,将它们从组中删除。
接下来,当这两行仍然突出显示时,单击“分组”按钮将它们分组。
转到乔尔·科勒(Joel Kohler),我们看到并不是他的所有条目都被分组了。但是,他更喜欢使用他的专业头衔,该头衔不在当前的分组名称中。
选择四个条目,单击鼠标右键,然后选择“分组为JOEL E KOHLER PE”。 通过将新的组名编辑为JOEL E. KOHLER,PE,添加标点符号。完成编码后,请按“完成”按钮(右上方)。
您会看到四个选项。 这些选项确定如何在数据表中应用重新编码的值。
到位:将重新编码的值保存到位,覆盖当前列。
新建列:将重新编码的值保存在新列中。
公式列:将重新编码的值保存在新的公式列中
脚本:将重新编码脚本写入数据表,这是新“重新编码”的最佳功能之一;清理数据通常要花费比单个会话更多的时间,因此能够保存您的工作非常重要。您可以在下一个会话开始时运行脚本,以从上次中断的地方继续执行。