408643_ja-JP

liliconcom

データセットの分割に問題がありますか？これらの実用的なヒントをお試しください！

毎日のデータ分析の過程で、観測/行の一部（男性または女性、特定の年齢の患者、または特定の病気の患者）のみに焦点を当てるなど、データセット全体の一部のみが必要になることがよくあります。変数/列などの一部。これらはデータセットのサブセットと呼ぶことができ、元のデータを分割するプロセスはサブセットを生成するプロセスでもあります。

では、どのようにして条件を満たす観測値を選ぶのでしょうか？ワンクリックでデータを複数のサブセットに分割するにはどうすればよいですか？ JMPのシンプルで迅速なランダムサンプリング方法は何ですか？今日は、データクレンジングの重要な部分を皆さんに学んでもらいます。

 

JMPでサブセットを生成する

 

図1サブセットを生成するためのメイン操作ページ

では、どのように分割しますか？

このダイアログボックスの各オプションの意味は何ですか？

これらのオプションをうまく利用するにはどうすればよいですか？最も単純なものから始めましょう。

 

01一部の変数（列）のみが必要な場合

 

たとえば、次の図に示すデータセットでは、Yと年齢の2つの変数のみが必要です（もちろん、そうではありません。一般に、変数が多すぎない限り、選択する必要はありません。図2に示すように、テーブルで必要な列を選択し、複数の列がある場合はCtrlキーを押したままにして、サブセットダイアログボックスを開くことを忘れないでください。

 

図2いくつかの列の新しいサブセットを生成する

これにより、すべての観測値（行）と選択された変数（列）で構成される新しいデータセットが作成されます。

ただし、特定の条件を満たす観測値（行）を選択し、変数を必要としない場合や、観測値と変数を選択する場合は、次の行分割操作が便利です。

 

02観測値（行）の一部のみが必要な場合

（1）条件を満たす行を選択します

このタイトルは私たちの目的であるだけでなく、それを達成するための私たちの活動でもあります。たとえば、40年以上前のデータセット内の観測値を選択する場合は、[行]→[行の選択]→[適格な行の選択]を実行し、フィルターの観測条件を編集して、[OK]をクリックします。データの条件を満たす観測値が選択されます。

この例では、320行の観測値が選択されています。これらの観測値を新しいサブセットとして生成する場合は、[テーブル]→[サブセット]をクリックするだけで、変更は必要ありません（もちろん、以前に選択したことがある場合）。一部の変数では、図3に示すように、[すべての列]ではなく[選択した列]を選択し、[OK]をクリックして選択した観測値の新しいデータセットを生成する必要があります。

 

図3適格な行の選択

チップ：複数の条件を満たす観測値を選択します

多くの場合、選択する必要のある観測値は2つ以上のルールを満たす必要があります。たとえば、40歳以上の女性を選択する必要があります。図4に示すように、ルールを編集する場合、同じプロセスが少し複雑になります。条件の関係が「and（and）」の場合は「すべての条件が満たされている場合」を選択し、「or（or）」の場合は「条件が満たされている場合」を選択します。

図4複数の条件を満たす観測値の選択

（2）分析したくない行を非表示にします

以前の方法では、分析できるように、目的の観測値から新しいデータセットを生成する方法を紹介しました。これは、不要な行を非表示にするという別の角度から必要な行を取得する方法です。

上記の行の選択方法と同様に、[条件に合う行を選択]から分析したい行を選択し、選択を逆にして[非表示と除外]操作を実行できます（図5を参照）。 （図では選択が完了しています）適格な行）。

チップ： [非表示]のみの観測値は後続の統計分析にも入力されますが、グラフの描画時には表示されず、[除外]のみの観測値が表示されるため、[非表示および除外]を直接選択することをお勧めします。統計分析ではフォローアップには入りませんが、描画時に表示されます。一般に、フィルター基準を満たさないこれらの観測値については、グラフに表示したり、後続の統計分析に参加させたりしないため、[非表示と除外]を直接選択します。

 

図5分析したくない行を非表示にして除外する

もう1つの方法は、選択基準を直接逆編集し、分析に含めたくない行を直接除外してから、[非表示および除外]をクリックすることです。キャンセルするには、もう一度[非表示にして除外]をクリックしてください。

（3）ワンクリックで複数のサブセットに分割

分析が必要な場合は、変数の異なる値に基づいてデータを複数のデータセットに分割する必要があります。たとえば、男性と女性の2つのデータセットに分割するか、Y（順序付きタイプ）に従って高に分割します。サンプルデータ、中および低3つのデータセットでは、JMPでのこの操作はどのくらい簡単ですか？

後者を例として取り上げましょう。図6を参照してください。 [サブセットベース]をチェックした後にポップアップする変数名リストで、分割するデータセットのベースを選択します。この例では、Y（順序付きタイプ）に基づいて、JMPはデータセットを3つのサブセットに自動的に分割します。 Y（順序付きタイプ）=低、Y（順序付きタイプ）=中、Y（順序付きタイプ）=高の3つのサブセットです。

図6変数値に従ってサブセットを分割する

 

チップ：

変数に基づいて、JMPは変数の各値の新しいサブセットを個別に生成します。たとえば、分割の基礎として誤って連続年齢変数を使用した場合、画面には数百のサブセットがポップアップ表示され、各サブセットの観測値は同じ年齢になります。注意してください。

（4）ランダムサンプリング

データセットを分割する特殊なケースとして、ランダムサンプリングは、実際にはデータセットの分割と見なすことができます。これは、ランダムに選択された観測値を分割してランダムに選択されたサンプルを形成することと同じです。

JMPでランダムサンプリングを実行する方法はたくさんありますが、これが最も簡単なランダムサンプリング方法です。より詳細なランダムサンプリング方法については、後の記事で紹介します。

この方法は、図7に示すように、[テーブル]→[サブセット]のダイアログボックスにあります。赤いボックスの部分は、ランダムサンプリング操作の重要なオプションです。2つの方法のいずれかを選択してください。

図7ランダムサンプリング

図7に示すように、[OK]をクリックすると、新しいデータセットが表示されます。これはランダムに選択されたサンプルデータです。これはおそらく歴史上最も単純なランダムサンプリング方法です。このツールを使用すると、どのようなサンプリングの問題を心配する必要がありますか？

もちろん、この種のランダムサンプリングは単純なランダムサンプリングです。実際には、層化ランダムサンプリングなど、多くのランダムサンプリング方法があります。これもJMPでの実装が非常に簡単です。ランダムサンプリングに関する記事で紹介します。後で。乞うご期待！

JMPブログ