在我們的免費在線課程中了解更多信息：
工業問題解決的統計思維
在本視頻中，您將了解如何使用組件數據探索缺失值。
首先，我們使用 Columns Viewer 查看每個變量缺少多少值。 我們從 Cols 菜單中選擇 Columns Viewer，選擇所有變量，然後單擊 Show Summary。
有幾個變量是缺失值。 例如，零件編號缺少 4 個值，供應商缺少 10 個值。 Temp 缺少 265 個值。 只有 104 個批次具有溫度值。
使用 Columns Viewer，您可以查看給定變量缺少多少值。 您可能還對查看變量中的缺失值感興趣。
為此，我們使用 Tables 菜單中的 Missing Data Pattern。 我們選擇所有變量，單擊添加列，然後單擊確定。
將生成一個名為 Missing Data Pattern 的新鏈接數據表。 此表中的列描述了原始數據表中缺失值的模式。
第一行代表組件數據表中的 99 行。 這些行沒有任何列的缺失值。
讓我們看看第二行。 這代表我們原始表中的五行。 這些行缺少一列的值。 當我們查看 Patterns 列時，最後一個位置的 1 告訴我們這些行是最後一個變量的缺失值。 當我們滾動瀏覽變量時，我們看到最後一個變量是供應商。
有 255 行僅缺少 temp。但是，其他一些值也缺少 temp 。 例如，四行缺少臨時和供應商。
您可以運行保存到此表的 Cell Plot 腳本來可視化 Patterns 列。 這很容易看出最大的問題是 temp 的缺失值。 單元格圖的最後一行對應於最後一個缺失數據模式。 一行缺少許多變量的值。
Treemap 腳本創建缺失值的樹狀圖。 當您在樹形圖上按住鼠標指針時，您會看到每個塊的值。 大約 27% 的行是完整的記錄。 也就是說，它們沒有丟失任何值。 您會看到 69% 的行僅缺少 temp。因此，組件文件中大約 96% 的行要么有完整的數據，要么只是缺少 temp。
這很好。 我們遇到了 temp 缺失值的問題。但除此之外，丟失數據可能不是這個數據集的大問題。
