En el proceso de análisis diario de datos, a menudo solo necesitamos una parte del conjunto completo de datos, como centrarnos solo en una parte de las observaciones/filas (hombres o mujeres, pacientes de cierta edad o pacientes con una determinada enfermedad). o una parte de las variables/columnas, etc., pueden denominarse subconjuntos de conjuntos de datos, y el proceso de dividir los datos originales es también el proceso de generar subconjuntos.
Entonces, ¿cómo seleccionar observaciones que cumplan las condiciones? ¿Cómo dividir datos en múltiples subconjuntos con un solo clic? ¿Cuáles son los métodos de muestreo aleatorio simples y rápidos en JMP? Hoy te llevaré a aprender una parte importante de la limpieza de datos.
Generar subconjuntos en JMP
Figura 1 Página de operación principal para generar subconjuntos
Entonces, ¿cómo dividirlo específicamente?
¿Qué significa cada opción en este cuadro de diálogo?
¿Cómo aprovechar estas opciones? Empecemos por el más sencillo.
01 Si solo necesita un subconjunto de variables (columnas)
Por ejemplo, en el conjunto de datos a continuación, solo se necesitan dos variables, Y y edad (por supuesto, la situación real no será así. En circunstancias normales, a menos que haya demasiadas variables, no es necesario separar algunas). variables). Solo necesita seleccionar las columnas que desea en la tabla. Recuerde mantener presionada la tecla Ctrl cuando haya varias columnas y luego abrir el cuadro de diálogo del subconjunto, como se muestra en la Figura 2.
Figura 2 Genera nuevos subconjuntos de algunas columnas.
Esto da como resultado un nuevo conjunto de datos que consta de todas las observaciones (filas) y variables seleccionadas (columnas).
Sin embargo, la mayoría de las veces queremos seleccionar observaciones (filas) que cumplan condiciones específicas sin ningún requisito sobre las variables, o seleccionar algunas observaciones y algunas variables. Entonces las siguientes operaciones de división de filas pueden resultar útiles.
02 Si solo se requiere un subconjunto de observaciones (filas)
(1) Seleccione filas que cumplan con las condiciones.
Este título es tanto nuestro propósito como nuestras acciones para lograrlo. Por ejemplo, si queremos seleccionar observaciones con una edad > 40 años en el conjunto de datos, podemos usar [Fila] → [Selección de fila] → [Seleccionar filas que cumplan las condiciones], luego editar las condiciones para filtrar observaciones, hacer clic en Aceptar , y se seleccionarán las observaciones que cumplan las condiciones en los datos.
En este ejemplo, se seleccionan 320 filas de observaciones. Si desea generar estas observaciones en un nuevo subconjunto, solo necesita hacer clic en [Tabla] → [Subconjunto] sin realizar cambios (por supuesto, si ha seleccionado algunas variables antes, luego debe seleccionar [Columnas seleccionadas] en lugar de [Todas las columnas]), haga clic en Aceptar para generar un nuevo conjunto de datos a partir de las observaciones seleccionadas, como se muestra en la Figura 3.
Figura 3 Seleccionar filas que cumplan las condiciones
Consejos : seleccione observaciones que cumplan múltiples condiciones
Muchas veces necesitamos seleccionar observaciones que cumplan ≥2 reglas, por ejemplo queremos seleccionar mujeres mayores de 40 años, el mismo proceso es un poco más complicado al editar las reglas, ver Figura 4. Cuando la relación entre las condiciones sea "y", seleccione "Si se cumplen todas las condiciones"; cuando sea "o (o)", seleccione "Si se cumple alguna condición".
Figura 4 Selección de observaciones que cumplen múltiples condiciones
(2) Ocultar filas que no deseas analizar
El método anterior describe cómo generar un nuevo conjunto de datos a partir de las observaciones deseadas para que podamos analizarlo. A continuación se explica cómo obtener las filas que queremos desde otro ángulo, es decir, ocultar las filas no deseadas.
Al igual que el método de selección de filas descrito anteriormente, puede seleccionar las filas que desea analizar desde [Seleccionar filas que cumplan las condiciones] y luego invertir la selección para realizar la operación [Ocultar y excluir], como se muestra en la Figura 5. (la selección se ha completado en la fila condicional de la figura).
Consejos: Se recomienda que seleccione directamente [Ocultar y excluir], porque solo las observaciones que están [ocultas] también ingresarán al análisis estadístico posterior, pero no aparecerán al realizar gráficos, y las observaciones que solo están [excluidas] no entrar en el análisis estadístico posterior en el análisis estadístico, pero aparecerá al trazar. En términos generales, para estas observaciones que no cumplen con las condiciones de filtrado, no queremos que aparezcan en el gráfico ni queremos que participen en análisis estadísticos posteriores, así que simplemente seleccione [Ocultar y excluir].
Figura 5 Ocultar y excluir filas que no desea analizar
Otro método consiste en invertir directamente las condiciones de selección, filtrar directamente las filas que no desea incluir en el análisis y luego hacer clic en [Ocultar y excluir]. Haga clic en [Ocultar y excluir] nuevamente para cancelar.
(3) Dividir en varios subconjuntos con un clic
Si por necesidades de análisis, queremos dividir los datos en múltiples conjuntos de datos según diferentes valores de una determinada variable, como dividirlos en conjuntos de datos masculinos y femeninos, o dividirlos en altos según Y (tipo ordenado) en Los datos de ejemplo, tres conjuntos de datos medios y bajos, ¿qué tan simple es esta operación en JMP?
Tomamos este último como ejemplo, ver Figura 6. En la lista de nombres de variables que aparece después de marcar [Obtener base de subconjunto], seleccione la base sobre la cual desea dividir el conjunto de datos. En este ejemplo, se utiliza Y (tipo ordenado) como base. JMP divide automáticamente el conjunto de datos en tres subconjuntos, respectivamente: Hay tres subconjuntos: Y (tipo ordenado) = bajo, Y (tipo ordenado) = medio e Y (tipo ordenado) = alto.
Figura 6 Dividir subconjuntos según valores de variables
Según las variables, JMP generará un nuevo subconjunto para cada valor de la variable. Por ejemplo, si accidentalmente utiliza una variable de edad continua como base para la división, aparecerán cientos de subconjuntos en su pantalla y las observaciones en cada subconjunto tendrán la misma edad. Tenga cuidado con esto.
Como caso especial de división del conjunto de datos, el muestreo aleatorio en realidad puede considerarse como la división del conjunto de datos, lo que equivale a dividir las observaciones seleccionadas al azar para formar una muestra seleccionada al azar.
Hay muchas formas de realizar muestreo aleatorio en JMP. Aquí se presenta el método de muestreo aleatorio más simple. Presentaremos métodos de muestreo aleatorio más específicos en artículos posteriores.
Este método todavía se encuentra en el cuadro de diálogo [Tabla] → [Subconjunto], como se muestra en la Figura 7. La parte en el cuadro rojo es la opción clave para la operación de muestreo aleatorio. Elija uno de los dos métodos.
Figura 7 Muestreo aleatorio
Como se muestra en la Figura 7, después de hacer clic en "Aceptar", encontrará que aparece un nuevo conjunto de datos, que son los datos de muestra seleccionados aleatoriamente que desea. Este es probablemente el método de muestreo aleatorio más simple de la historia. Con esta herramienta, ¿de qué problemas de muestreo debe preocuparse?
Por supuesto, este tipo de muestreo aleatorio es simplemente un muestreo aleatorio simple. También existen muchos métodos de muestreo aleatorio en la práctica, como el muestreo aleatorio estratificado, etc. Esto también es muy fácil de implementar en JMP. Lo presentaremos en un artículo posterior. sobre muestreo aleatorio. ¡Manténganse al tanto!
