Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este video, aprenderá a usar Recode para limpiar nombres de proveedores en el archivo Components.jmp.
Primero, echemos un vistazo a los nombres de los proveedores usando la plataforma de Distribución del menú Analizar. Puede ver que hay 10 niveles (o categorías) de proveedor y que 10 observaciones son valores faltantes.
Sin embargo, puede ver que en realidad solo hay cinco proveedores únicos. Hay problemas con la ortografía y el uso de mayúsculas, y puede ver que el proveedor Cox se ingresa de dos maneras diferentes.
Para limpiar los nombres de los proveedores, usamos Recode.
Para hacer esto, hacemos clic con el botón derecho en el encabezado de la columna del proveedor y seleccionamos Recodificar.
Los valores actuales para el proveedor se resumen en Valores antiguos. Los 10 valores faltantes están en la parte superior. Anderson aparece tres veces. Un valor tiene un espacio inicial y los otros tienen una ortografía ligeramente diferente.
Veamos al proveedor Hersh. Esto también se enumera tres veces. Hay un par de problemas con las mayúsculas y la ortografía.
Para solucionar algunos de los problemas más comunes con los datos categóricos, usaremos las opciones debajo del triángulo rojo.
Por ejemplo, seleccionaremos Convertir a mayúsculas y minúsculas para solucionar el uso de mayúsculas incoherente y seleccionaremos Recortar espacios en blanco para eliminar los espacios iniciales.
Para abordar algunos de los otros problemas, tomaremos un atajo y agruparemos los valores. Por ejemplo, cuando seleccionamos todas las etiquetas para Anderson y hacemos clic en el botón Agrupar, todas estas etiquetas se agrupan.
También agruparemos las etiquetas de Cox y Hersh. Ahora hay seis valores: los cinco proveedores, más los valores faltantes.
En muchos análisis, no se incluyen las observaciones con valores perdidos. Una técnica para incluir datos faltantes para variables categóricas en su análisis es recodificar los valores faltantes.
Hagámoslo. Volveremos a codificar estos valores con la etiqueta Missing.
Ahora, necesitamos determinar cómo guardar los valores recodificados. El valor predeterminado es guardar los valores en una nueva columna. Otra opción es guardar los valores recodificados, con una fórmula para recodificar, en una columna de fórmula. La última opción, que no se recomienda, es sobrescribir sus valores actuales guardando los valores recodificados en la misma columna.
Seleccionaremos Columna de fórmula y haremos clic en Recodificar. Se ha guardado una nueva columna, proveedor 2, en la tabla de datos con una fórmula. La fórmula proporciona un rastro de los cambios que ha realizado. También puede actualizar la fórmula si necesita realizar cambios adicionales.
Un paso final es graficar los valores originales y los valores recodificados para asegurarse de que la recodificación se aplicó correctamente. ¡Esto luce bien!
