Pour "Big Class.jmp", les colonnes "height" et "weight" sont écrites dans la matrice.
Ensuite, les données des lignes 6 à 35 de la matrice sont classées et résumées : le poids moyen de chaque taille est résumé. Ce résultat doit uniquement être stocké dans la matrice en mémoire.
Merci Experts !
dt=Open("$SAMPLE_DATA/Big Class.jmp");
ar=dt<<GETASMATRIX></GETASMATRIX>
MODIFIER:
J'ai remarqué une faute de frappe dans la version originale du code ci-dessous, que j'ai corrigée. Dans la dernière ligne, la faute de frappe était :
maintenant (s)
Utilisez plutôt :
maintenant (h)
Bien entendu, nrow(n) ou nrow(m) fonctionnerait également puisque chacun des vecteurs h, n et m a le même nombre de lignes.
Désolé pour ça.
Acclamations,
brady
//////////////////////////// Message d'origine :
En examinant les performances de l'approche basée sur les tables, elle est beaucoup plus lente que les approches basées sur les matrices, ce qui peut compenser sa simplicité, selon votre table.
Voici une autre approche basée sur la matrice ; bien qu'il fonctionne de la même manière que celui que Ian a publié, je l'inclus pour plusieurs raisons : a) pour introduire l'idée d'une colonne "sélectionnée", qui signale 1 si une ligne est sélectionnée et 0 sinon, b) pour montrer un "hack" de la fonction de synthèse et c) parce que cela évite les boucles et les pièges d'indexation potentiels qui y sont associés.
Premièrement : la colonne "Sélectionné". Dans la première ligne du code ci-dessous, nous ajoutons une nouvelle colonne au tableau, qui se définit à 1 dans les lignes sélectionnées et à 0 ailleurs. Cela nous permet de créer une colonne de regroupement supplémentaire, dans le but d'utiliser des plates-formes et des fonctions basées sur des tableaux comme Summary et Summarize, sans avoir à créer de nouveaux tableaux.
Ensuite, le hack Summarize() : notez que nous regroupons par :selected et :height. Alors que les valeurs h, n et m sont renvoyées dans des matrices, les valeurs de variable(s) by sont placées dans des listes de chaînes... même si elles POURRAIENT être placées dans des matrices. Donc dans ce cas, b est une liste de deux listes de chaînes. Ainsi, si nous voulons l'une de ces valeurs sous forme de matrice, nous pouvons soit convertir la liste de chaînes souhaitée en une matrice (ce qui est coûteux si la liste est longue), soit calculer une statistique "bon marché", comme Min ou Max, sur la même colonne, pour obtenir ces valeurs... ce que nous faisons ci-dessous pour la colonne de hauteur.
Acclamations,
brady
dt << New Column( "Selected", formula( Selected( Row State() ) ) );
dt << Select Rows( 6 :: 35 );
Summarize( dt, b = by( :Selected, :height ), h = max( :height), n = Count( :weight ), m = Mean( :weight ) );
sumMat = (h || n || m)[contains(b[1], "1"):: nrow(h),0]; //only use the results where selected == 1
Voici une approche qui évite les boucles, bien qu'elle crée des tables invisibles. Si les performances sont adéquates pour vos besoins, cette approche est simple à utiliser et à comprendre.
Acclamations,
brady
dt = open("$Sample_Data/Big Class.jmp");
dtSub = dt << subset(rows(6::35), invisible);
dtsum = dtsub << summary(group(:height), mean(weight), invisible);
mat = dtSum << get as Matrix;
close(dtSum, nosave);
close(dtSub, nosave);
show(mat);Merci ian! C'est ainsi que fonctionne ce cycle.
ar=dt<<GETASMATRIX></GETASMATRIX>
Je ne suis pas sûr que ce soit la meilleure façon d'obtenir votre résultat final, mais si vous vouliez le faire en utilisant uniquement des matrices, vous pouvez :
NamesDefaultToHere(1);
// Sample data
dt = Open("$SAMPLE_DATA/Big Class.jmp");
// Matrix with all 'height' and 'weight' values
ar = dt << GetAsMatrix({4,5});
// Discard rows
ar = ar[6::35, 0];
// Find out the distinct levels of 'height'
hl = Matrix(AssociativeArray(ar[0,1]) << getKeys);
// Build the average 'weight' for each level into a new matrix 'rm'
rm = J(NRow(hl), 2, .);
for(h=1, h<=NRow(hl), h++,
rm[h, 1] = hl[h];
rm[h, 2] = VMean(ar[Loc(ar[0, 1] == hl[h]), 2]);
);
Print(rm);
