在我们的免费在线课程中了解更多信息：
工业问题解决的统计思维
在本视频中，您将了解如何使用组件数据探索缺失值。
首先，我们使用 Columns Viewer 查看每个变量缺少多少值。 我们从 Cols 菜单中选择 Columns Viewer，选择所有变量，然后单击 Show Summary。
有几个变量是缺失值。 例如，零件编号缺少 4 个值，供应商缺少 10 个值。 Temp 缺少 265 个值。 只有 104 个批次具有温度值。
使用 Columns Viewer，您可以查看给定变量缺少多少值。 您可能还对查看变量中的缺失值感兴趣。
为此，我们使用 Tables 菜单中的 Missing Data Pattern。 我们选择所有变量，单击添加列，然后单击确定。
将生成一个名为 Missing Data Pattern 的新链接数据表。 此表中的列描述了原始数据表中缺失值的模式。
第一行代表组件数据表中的 99 行。 这些行没有任何列的缺失值。
让我们看看第二行。 这代表我们原始表中的五行。 这些行缺少一列的值。 当我们查看 Patterns 列时，最后一个位置的 1 告诉我们这些行是最后一个变量的缺失值。 当我们滚动浏览变量时，我们看到最后一个变量是供应商。
有 255 行仅缺少 temp。但是，其他一些值也缺少 temp 。 例如，四行缺少临时和供应商。
您可以运行保存到此表中的 Cell Plot 脚本来可视化 Patterns 列。 这很容易看出最大的问题是 temp 的缺失值。 单元格图的最后一行对应于最后一个缺失数据模式。 一行缺少许多变量的值。
Treemap 脚本创建缺失值的树状图。 当您在树形图上按住鼠标指针时，您会看到每个块的值。 大约 27% 的行是完整的记录。 也就是说，它们没有丢失任何值。 您会看到 69% 的行仅缺少 temp。因此，组件文件中大约 96% 的行要么有完整的数据，要么只是缺少 temp。
这很好。 我们遇到了 temp 缺失值的问题。但除此之外，丢失数据可能不是这个数据集的大问题。
