如何使用JSL对矩阵分支中间的数据进行分类汇总，并以矩阵的形式得到汇总结果？对于“Big Class.jmp”，“身高”和“体重”列被写入矩阵中。
然后对矩阵第6行到第35行的数据进行分类汇总：汇总每个身高的平均体重。这个结果只需要存储在内存矩阵中即可。
感谢专家！
dt=Open("$SAMPLE_DATA/Big Class.jmp");
ar=dt<<GETASMATRIX></GETASMATRIX>
高级统计建模内容组织数据探索和可视化分享和交流结果Re: 如何使用JSL对矩阵分支中间的数据进行分类汇总，并以矩阵的形式得到汇总结果？编辑：
我注意到下面代码的原始版本中有一个拼写错误，我已更正。 最后一行的错字是：
n行
相反，使用：
行（h）
当然，nrow (n) 或 nrow(m) 也可以工作，因为每个向量 h、n 和 m 具有相同的行数。
对于那个很抱歉。
干杯，
布雷迪
/////////////////////////////原帖：
在研究基于表的方法的性能时，它比基于矩阵的方法慢得多，这可能会抵消它的简单性，具体取决于您的表。
这是另一种基于矩阵的方法；虽然它的性能与 Ian 发布的类似，但我将其包含在内有几个原因：a) 引入“选定”列的概念，如果选择了一行，则该列标记为 1，否则标记为 0，b) 显示汇总函数的“破解”，c) 因为这可以避免循环以及与之相关的潜在索引陷阱。
第一：“选定”栏。 在下面代码的第一行中，我们向表中添加一个新列，该列在选定的行中将自身设置为 1，在其他位置设置为 0。 这使我们能够创建额外的分组列，目的是使用基于表的平台和“Summary”和“Summarize”等功能，而无需创建新表。
接下来，Summarize () hack：请注意，我们按 :selected 和 :height 进行分组。 虽然 h、n 和 m 值以矩阵形式返回，但变量值被放置在字符串列表中……即使它们可以放置在矩阵中。 所以在这种情况下，b 是两个字符串列表的列表。 因此，如果我们想要矩阵形式的任何这些值，我们可以将所需的字符串列表转换为矩阵（如果列表很大，这会很昂贵），或者我们可以在同一列上计算“便宜”的统计数据，例如最小值或最大值，以获得这些值...这就是我们下面对高度列所做的操作。
干杯，
布雷迪
dt << New Column( "Selected", formula( Selected( Row State() ) ) );
dt << Select Rows( 6 :: 35 );
Summarize( dt, b = by( :Selected, :height ), h = max( :height), n = Count( :weight ), m = Mean( :weight ) );
sumMat = (h || n || m)[contains(b[1], "1"):: nrow(h),0]; //only use the results where selected == 1
Re: 如何使用JSL对矩阵分支中间的数据进行分类汇总，并以矩阵的形式得到汇总结果？这是一种避免循环的方法，尽管它创建了不可见的表。 如果性能足以满足您的需求，则此方法易于使用和理解。
干杯，
布雷迪
dt = open("$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);Re: 如何使用JSL对矩阵分支中间的数据进行分类汇总，并以矩阵的形式得到汇总结果？谢谢伊恩！ 这就是这个循环的工作方式。
ar=dt<<GETASMATRIX></GETASMATRIX>
Re: 如何使用JSL对矩阵分支中间的数据进行分类汇总，并以矩阵的形式得到汇总结果？我不确定这是获得最终结果的最佳方法，但如果您想仅使用矩阵来实现，您可以：
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);
