Dans le processus d'analyse quotidienne des données, nous n'avons souvent besoin que d'une partie de l'ensemble des 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., peut être appelée des sous-ensembles d'ensembles de données, et le processus de fractionnement des données d'origine est également le processus de génération de sous-ensembles.
Alors comment sélectionner les observations qui remplissent 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 vous amener à apprendre une partie importante du nettoyage des données.
Générer des sous-ensembles dans JMP
Figure 1 Page d'opération principale pour générer des sous-ensembles
Alors, comment le diviser spécifiquement ?
Que signifie chaque option de cette boîte de dialogue ?
Comment profiter de ces options ? Commençons par le plus simple.
01 Si vous n'avez besoin que d'un sous-ensemble de variables (colonnes)
Par exemple, dans l'ensemble de données ci-dessous, seules deux variables, Y et l'âge, sont nécessaires (bien sûr, la situation réelle ne sera pas comme celle-ci. Dans des circonstances normales, à moins qu'il n'y ait trop de variables, il n'est pas nécessaire de séparer certaines variables). Il vous suffit de sélectionner les colonnes que vous souhaitez sur la table. N'oubliez pas de maintenir la touche Ctrl enfoncée lorsqu'il y a plusieurs colonnes, puis d'ouvrir la boîte de dialogue de sous-ensemble, comme le montre la figure 2.
Figure 2 génère de nouveaux sous-ensembles de certaines colonnes
Il en résulte un nouvel ensemble de données composé de toutes les observations (lignes) et des variables sélectionnées (colonnes).
Cependant, le plus souvent, nous souhaitons sélectionner des observations (lignes) qui répondent à des conditions spécifiques sans aucune exigence sur les variables, ou sélectionner certaines observations et certaines variables. Les opérations suivantes de fractionnement de lignes peuvent alors s'avérer utiles.
02 Si seul un sous-ensemble d’observations (lignes) est requis
(1) Sélectionnez les lignes qui remplissent les conditions
Ce titre est à la fois notre objectif et nos actions pour y parvenir. Par exemple, si nous voulons sélectionner des observations dont l'âge est > 40 ans dans l'ensemble de données, nous pouvons utiliser [Ligne] → [Sélection de ligne] → [Sélectionner les lignes qui répondent aux conditions], puis modifier les conditions de filtrage des observations, cliquer sur OK. , et les observations qui remplissent les conditions dans les données seront sélectionnées.
Dans cet exemple, 320 lignes d'observations sont sélectionnées. Si vous souhaitez générer ces observations dans un nouveau sous-ensemble, il vous suffit de cliquer sur [Table] → [Sous-ensemble] sans apporter de modifications (bien sûr, si vous avez sélectionné certaines variables auparavant, alors vous devez sélectionner [Colonnes sélectionnées] au lieu de [Toutes les colonnes]), cliquez sur OK pour générer un nouvel ensemble de données à partir des observations sélectionnées, comme le montre la figure 3.
Figure 3 Sélectionnez les lignes qui remplissent les conditions
Conseils : Sélectionnez les observations qui répondent à plusieurs conditions
Plusieurs fois, nous devons sélectionner des observations qui répondent à ≥ 2 règles. Par exemple, nous souhaitons sélectionner des femmes de plus de 40 ans. Le même processus est juste un peu plus compliqué lors de la modification des règles, voir Figure 4. Lorsque la relation entre les conditions est "et", sélectionnez "Si toutes les conditions sont remplies" ; lorsqu'elle est "ou", sélectionnez "Si une condition est remplie".
Figure 4 Sélection d'observations répondant à plusieurs conditions
(2) Masquez les lignes que vous ne souhaitez pas analyser
La méthode précédente décrit comment générer un nouvel ensemble de données à partir des observations souhaitées afin que nous puissions l'analyser. Voici comment obtenir les lignes souhaitées sous un autre angle, c'est-à-dire 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 dans [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 ligne conditionnelle de la figure).
Conseils: Il est recommandé de sélectionner directement [Masquer et exclure], car seules les observations [masquées] entreront également dans l'analyse statistique ultérieure, mais elles n'apparaîtront pas lors de la création de graphiques et les observations qui sont uniquement [exclues] ne le seront pas. entrez l'analyse statistique suivante dans l'analyse statistique, mais apparaîtra lors du traçage. De manière générale, pour ces observations qui ne remplissent pas les conditions de filtrage, nous ne souhaitons ni qu'elles apparaissent dans le graphique, ni qu'elles participent à une analyse statistique ultérieure, il suffit donc de sélectionner [Masquer et exclure].
Figure 5 Masquer et exclure les lignes que vous ne souhaitez pas analyser
Une autre méthode consiste à inverser directement la modification des conditions de sélection, à filtrer directement les lignes que vous ne souhaitez pas inclure 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 de différentes valeurs d'une certaine variable, comme la division en ensembles de données masculins et féminins, ou la division en ensembles élevés selon Y (type ordonné) dans l'exemple de données, trois ensembles de données moyens et faibles, quelle est la simplicité de cette opération dans JMP ?
Nous prenons ce dernier comme exemple, voir Figure 6. Dans la liste des noms de variables qui apparaît après avoir coché [Obtenir la base du sous-ensemble], sélectionnez la base sur laquelle vous souhaitez diviser l'ensemble de données. Dans cet exemple, Y (type ordonné) est utilisé comme base. JMP divise automatiquement l'ensemble de données. en trois sous-ensembles, respectivement. Il existe trois sous-ensembles : Y (type ordonné) = faible, Y (type ordonné) = moyen et Y (type ordonné) = élevé.
Figure 6 Sous-ensembles divisés en fonction des valeurs des variables
En fonction des variables, JMP générera un nouveau sous-ensemble pour chaque valeur de la variable. Par exemple, si vous utilisez accidentellement une variable d'âge continue comme base de division, des centaines de sous-ensembles apparaîtront sur votre écran et les observations de chaque sous-ensemble auront le même âge. Soyez prudent avec cela.
(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 diviser les observations sélectionnées au hasard pour former un échantillon sélectionné au hasard.
Il existe de nombreuses façons d'effectuer un échantillonnage aléatoire dans JMP. La méthode d'échantillonnage aléatoire la plus simple est présentée ici. Nous présenterons des méthodes d'échantillonnage aléatoire plus spécifiques dans les articles suivants.
Cette méthode est toujours dans la boîte de dialogue [Table] → [Sous-ensemble], comme le montre la figure 7. La partie dans la case 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 constaterez qu'un nouvel ensemble de données apparaît. Il s'agit de l'échantillon de données sélectionné au hasard que vous souhaitez. Il s'agit probablement de la méthode d'échantillonnage aléatoire la plus simple de l'histoire. Avec cet outil, de quels problèmes d'échantillonnage devez-vous vous soucier ?
Bien entendu, ce type d'échantillonnage aléatoire n'est qu'un simple échantillonnage aléatoire. Il existe également de nombreuses méthodes d'échantillonnage aléatoire dans la pratique, comme l'échantillonnage aléatoire stratifié, etc. Ceci est également très simple à mettre en œuvre dans JMP. Nous le présenterons dans un prochain article. sur un échantillonnage aléatoire. Restez à l'écoute!
