Dans le processus d'analyse quotidienne des données, nous n'avons souvent besoin que d'une partie de l'ensemble de données, par exemple en nous concentrant sur une partie seulement des observations/lignes (hommes ou femmes, patients d'un certain âge ou patients atteints d'une certaine maladie) ou une partie des variables/colonnes, etc. Celles-ci peuvent être appelées sous-ensembles d'ensembles de données, et le processus de division des données d'origine est également le processus de génération de sous-ensembles.
Alors comment choisir la valeur d'observation qui remplit les conditions ? Comment diviser les données en plusieurs sous-ensembles en un seul clic ? Quelles sont les méthodes d'échantillonnage aléatoire simples et rapides dans JMP ? Aujourd'hui, je vais amener tout le monde à apprendre une partie importante du nettoyage des données.
Générer des sous-ensembles dans JMP
Figure 1 La page d'opération principale pour générer un sous-ensemble
Alors comment le diviser ?
Quelle est la signification de chaque option dans cette boîte de dialogue ?
Comment faire bon usage de ces options ? Commençons par le plus simple.
01 Si seulement certaines variables (colonnes) sont nécessaires
Par exemple, dans l'ensemble de données illustré dans la figure ci-dessous, seules deux variables, Y et âge, sont nécessaires (bien sûr, ce n'est pas le cas. En général, à moins qu'il n'y ait trop de variables, vous n'avez pas besoin de choisir certaines variables séparément). Sélectionnez la colonne que vous voulez sur la table, n'oubliez pas de maintenir la touche Ctrl enfoncée lorsqu'il y a plusieurs colonnes, puis ouvrez la boîte de dialogue du sous-ensemble, comme le montre la figure 2.
Figure 2 Générer un nouveau sous-ensemble de certaines colonnes
Il en résulte un nouvel ensemble de données composé de toutes les observations (lignes) et de variables sélectionnées (colonnes).
Cependant, le plus souvent, nous aimerions choisir des observations (lignes) qui répondent à des conditions spécifiques et ne nécessitent pas de variables, ou sélectionner certaines observations et certaines variables, alors les opérations suivantes pour diviser les lignes peuvent s'avérer utiles NS.
02 Si seulement une partie des observations (lignes) est nécessaire
(1) Sélectionnez les lignes qui remplissent les conditions
Ce titre n'est pas seulement notre objectif, mais aussi notre opération pour y parvenir. Par exemple, si nous voulons sélectionner des observations dans l'ensemble de données qui ont plus de 40 ans, nous pouvons passer par [ligne]→[sélection de ligne]→[sélectionner les lignes éligibles], puis modifier les conditions d'observation du filtre, cliquer sur OK, et les observations qui remplissent les conditions des données seront sélectionnées.
Dans cet exemple, 320 lignes d'observations sont sélectionnées. Si vous souhaitez générer ces observations en tant que nouveau sous-ensemble, il vous suffit de cliquer sur [Table]→[Sous-ensemble], aucune modification n'est nécessaire (bien sûr, si vous l'avez sélectionné auparavant Pour certaines variables, vous devez sélectionner [Colonnes sélectionnées] au lieu de [Toutes les colonnes]), et cliquer sur OK pour générer un nouvel ensemble de données pour les observations sélectionnées, comme le montre la Figure 3.
Figure 3 Sélectionnez les lignes éligibles
Des astuces : Sélectionnez des observations qui remplissent plusieurs conditions
Dans de nombreux cas, les observations que nous devons sélectionner doivent respecter les règles ≥ 2. Par exemple, nous devons sélectionner des femmes de plus de 40. Le même processus est juste un peu plus compliqué lors de la modification des règles, comme le montre la figure 4. Lorsque la relation entre les conditions est "et (et)", sélectionnez [si toutes les conditions sont remplies], et lorsqu'elle est "ou (ou)", sélectionnez [si des conditions sont remplies].
Figure 4 Sélection d'observations répondant à plusieurs conditions
(2) Cachez les lignes que vous ne souhaitez pas analyser
La méthode précédente a introduit comment générer un nouvel ensemble de données à partir des observations souhaitées afin que nous puissions l'analyser. Voici comment obtenir les lignes que nous voulons sous un autre angle, qui consiste à masquer les lignes indésirables.
De la même manière que la méthode de sélection des lignes décrite ci-dessus, vous pouvez sélectionner les lignes que vous souhaitez analyser à partir de [Sélectionner les lignes qui remplissent les conditions], puis inverser la sélection pour effectuer l'opération [Masquer et exclure], comme le montre la figure 5 (la sélection a été complétée dans la figure) Lignes éligibles).
Des astuces: Il est recommandé de sélectionner directement [Masquer et exclure], car les observations qui ne sont que [cachées] entreront également dans l'analyse statistique ultérieure, mais elles n'apparaîtront pas lorsque le graphique est tracé, mais les observations qui sont uniquement [exclues] n'entrera pas dans le suivi dans l'analyse statistique, mais il apparaîtra lors du dessin. En général, pour ces observations qui ne répondent pas aux critères de filtrage, nous ne souhaitons ni qu'elles apparaissent dans le graphique, ni qu'elles participent à l'analyse statistique ultérieure, il vous suffit donc de sélectionner [Masquer et exclure] directement.
Figure 5 Masquer et exclure les lignes que vous ne souhaitez pas analyser
Une autre méthode consiste à inverser directement la modification des critères de sélection, à filtrer directement les lignes qui ne souhaitent pas être incluses dans l'analyse, puis à cliquer sur [Masquer et exclure]. Cliquez à nouveau sur [Masquer et exclure] pour annuler.
(3) Divisé en plusieurs sous-ensembles en un seul clic
Si pour des besoins d'analyse, nous souhaitons diviser les données en plusieurs ensembles de données en fonction des différentes valeurs d'une variable, par exemple, divisés en deux ensembles de données, masculin et féminin, ou divisés en haut selon Y (type ordonné) dans l'exemple de données, les trois ensembles de données moyen et faible, est-ce que cette opération est simple dans JMP ?
Prenons ce dernier comme exemple, voir Figure 6. Sélectionnez la base de l'ensemble de données que vous souhaitez diviser dans la liste des noms de variables qui s'affiche après avoir coché [Base du sous-ensemble]. Dans cet exemple, en fonction de Y (type ordonné), JMP divise automatiquement l'ensemble de données en trois sous-ensembles. Ils sont Y (type ordonné) = faible, Y (type ordonné) = moyen et Y (type ordonné) = élevé trois sous-ensembles.
Figure 6 Diviser les sous-ensembles en fonction des valeurs des variables
En fonction de la variable, JMP générera séparément un nouveau sous-ensemble de chaque valeur de la variable. Par exemple, si vous utilisez accidentellement une variable d'âge continue comme base de fractionnement, votre écran affichera des centaines de sous-ensembles et les observations de chaque sous-ensemble ont le même âge.
(4) Échantillonnage aléatoire
En tant que cas particulier de fractionnement de l'ensemble de données, l'échantillonnage aléatoire peut en fait être considéré comme le fractionnement de l'ensemble de données, ce qui équivaut à fractionner les observations sélectionnées au hasard pour former un échantillon sélectionné au hasard.
Il existe de nombreuses façons d'effectuer un échantillonnage aléatoire dans JMP. Voici la méthode d'échantillonnage aléatoire la plus simple. Nous présenterons des méthodes d'échantillonnage aléatoire plus détaillées dans un article ultérieur.
Cette méthode est toujours dans la boîte de dialogue de [Table]→[Subset], comme le montre la Figure 7. La partie dans la boîte rouge est l'option clé pour l'opération d'échantillonnage aléatoire.Choisissez l'une des deux méthodes.
Figure 7 Échantillonnage aléatoire
Comme le montre la figure 7, après avoir cliqué sur "OK", vous verrez apparaître un nouvel ensemble de données. Il s'agit des données d'échantillon sélectionnées au hasard que vous souhaitez. C'est probablement la méthode d'échantillonnage aléatoire la plus simple de l'histoire. Avec cet outil, de quels problèmes d'échantillonnage dois-je m'inquiéter ?
Bien entendu, ce type d'échantillonnage aléatoire n'est qu'un simple échantillonnage aléatoire. En pratique, il existe de nombreuses méthodes d'échantillonnage aléatoire, telles que l'échantillonnage aléatoire stratifié. Ceci est également très simple à mettre en œuvre dans JMP. Nous le présenterons dans l'article sur l'échantillonnage aléatoire. plus tard. Restez à l'écoute!
