Nel processo di analisi quotidiana dei dati, spesso abbiamo bisogno solo di una parte dell'intero set di dati, ad esempio concentrandoci solo su una parte delle osservazioni/righe (maschi o femmine, pazienti di una certa età o pazienti con una certa malattia) o una parte di variabili /Colonne, ecc. Questi possono essere chiamati sottoinsiemi di insiemi di dati e il processo di suddivisione dei dati originali è anche il processo di generazione di sottoinsiemi.
Allora come scegliere il valore di osservazione che soddisfa le condizioni? Come dividere i dati in più sottoinsiemi con un clic? Quali sono i metodi di campionamento casuale semplici e veloci in JMP? Oggi porterò tutti a imparare una parte importante della pulizia dei dati.
Genera sottoinsiemi in JMP
Figura 1 La pagina principale delle operazioni per la generazione di un sottoinsieme
Allora come lo dividi?
Qual è il significato di ciascuna opzione in questa finestra di dialogo?
Come fare buon uso di queste opzioni? Cominciamo con il più semplice.
01 Se sono necessarie solo alcune variabili (colonne)
Ad esempio, nel set di dati mostrato nella figura sottostante, sono necessarie solo due variabili, Y ed età (ovviamente non è così. In generale, a meno che non ci siano troppe variabili, non è necessario selezionare alcune variabili separatamente).Selezionare la colonna che si desidera sulla tabella, ricordarsi di tenere premuto il tasto Ctrl quando ci sono più colonne, quindi aprire la finestra di dialogo del sottoinsieme, come mostrato nella Figura 2.
Figura 2 Genera un nuovo sottoinsieme di alcune colonne
Ciò si traduce in un nuovo set di dati composto da tutte le osservazioni (righe) e le variabili selezionate (colonne).
Tuttavia, più spesso, vorremmo scegliere osservazioni (righe) che soddisfano condizioni specifiche e non richiedono variabili, oppure selezionare alcune osservazioni e alcune variabili, quindi le seguenti operazioni per suddividere le righe possono tornare utili NS.
02 Se è necessaria solo una parte delle osservazioni (righe)
(1) Seleziona le righe che soddisfano le condizioni
Questo titolo non è solo il nostro scopo, ma anche la nostra operazione per raggiungerlo. Ad esempio, se vogliamo selezionare le osservazioni nel set di dati che hanno più di 40 anni, possiamo passare attraverso [riga]→[selezione riga]→[seleziona righe idonee], quindi modificare le condizioni di osservazione del filtro, fare clic su OK, e verranno selezionate le osservazioni che soddisfano le condizioni nei dati.
In questo esempio, sono selezionate 320 righe di osservazioni.Se vuoi generare queste osservazioni come un nuovo sottoinsieme, devi solo fare clic su [Tabella]→[Sottoinsieme], non è richiesta alcuna modifica (ovviamente, se lo hai selezionato prima Per alcune variabili, è necessario selezionare [Colonne selezionate] invece di [Tutte le colonne]) e fare clic su OK per generare un nuovo set di dati per le osservazioni selezionate, come mostrato nella Figura 3.
Figura 3 Selezionare le righe idonee
Suggerimenti : Seleziona osservazioni che soddisfano più condizioni
In molti casi, le osservazioni che dobbiamo selezionare devono soddisfare ≥2 regole. Ad esempio, dobbiamo selezionare le donne di età superiore ai 40 anni. Lo stesso processo è solo un po' più complicato quando si modificano le regole, come mostrato nella Figura 4. Quando la relazione tra le condizioni è "e (e)", selezionare [se tutte le condizioni sono soddisfatte] e quando è "o (o)", selezionare [se sono soddisfatte le condizioni].
Figura 4 Selezione di osservazioni che soddisfano più condizioni
(2) Nascondi le righe che non vuoi analizzare
Il metodo precedente ha introdotto come generare un nuovo set di dati dalle osservazioni desiderate in modo da poterlo analizzare. Ecco come ottenere le righe che desideriamo da un'altra angolazione, ovvero nascondere le righe indesiderate.
Analogamente al metodo di selezione delle righe descritto sopra, è possibile selezionare le righe che si desidera analizzare da [Seleziona righe che soddisfano le condizioni], quindi invertire la selezione per eseguire l'operazione [Nascondi ed escludi], come mostrato nella Figura 5 (la selezione è stata completata nella figura) Righe ammissibili).
Suggerimenti: Si consiglia di selezionare direttamente [Nascondi ed escludi], perché le osservazioni che sono solo [nascoste] entreranno anche nell'analisi statistica successiva, ma non appariranno quando viene disegnato il grafico, ma le osservazioni che sono solo [escluse] non entrerà nel seguito nell'analisi statistica, ma apparirà durante il disegno. In generale, per queste osservazioni che non soddisfano i criteri di filtro, non vogliamo che appaiano nel grafico, né vogliamo che partecipino alla successiva analisi statistica, quindi basta selezionare direttamente [Nascondi ed escludi].
Figura 5 Nascondi ed escludi le righe che non vuoi analizzare
Un altro metodo consiste nell'invertire direttamente la modifica dei criteri di selezione, filtrare direttamente le righe che non si desidera includere nell'analisi e quindi fare clic su [Nascondi ed escludi]. Fare nuovamente clic su [Nascondi ed escludi] per annullare.
(3) Dividi in più sottoinsiemi con un clic
Se per esigenze di analisi, vogliamo suddividere i dati in più data set in base ai diversi valori di una variabile, ad esempio suddividere in due data set, maschio e femmina, oppure suddividere in alto secondo Y (tipo ordinato) nei dati di esempio, tre set di dati medio e basso, quanto è semplice questa operazione in JMP?
Prendiamo quest'ultimo come esempio, vedi Figura 6. Selezionare la base del set di dati che si desidera dividere nell'elenco dei nomi delle variabili che viene visualizzato dopo aver selezionato [Base del sottoinsieme]. In questo esempio, in base a Y (tipo ordinato), JMP divide automaticamente il set di dati in tre sottoinsiemi. sono Y (tipo ordinato) = basso, Y (tipo ordinato) = medio e Y (tipo ordinato) = alto tre sottoinsiemi.
Figura 6 Sottoinsiemi suddivisi in base ai valori delle variabili
In base alla variabile, JMP genererà separatamente un nuovo sottoinsieme di ciascun valore nella variabile. Ad esempio, se utilizzi accidentalmente una variabile di età continua come base per la suddivisione, lo schermo visualizzerà centinaia di sottoinsiemi e le osservazioni di ciascun sottoinsieme avranno la stessa età.
(4) Campionamento casuale
Come caso speciale di suddivisione del set di dati, il campionamento casuale può effettivamente essere considerato come la suddivisione del set di dati, che equivale a dividere le osservazioni selezionate casualmente per formare un campione selezionato casualmente.
Esistono molti modi per eseguire il campionamento casuale in JMP.Ecco il metodo di campionamento casuale più semplice.Introdurremo metodi di campionamento casuale più dettagliati in un articolo successivo.
Questo metodo è ancora nella finestra di dialogo di [Tabella]→[Sottoinsieme], come mostrato nella Figura 7. La parte nella casella rossa è l'opzione chiave per l'operazione di campionamento casuale Scegliere uno dei due metodi.
Figura 7 Campionamento casuale
Come mostrato in Figura 7, dopo aver fatto clic su "OK", verrà visualizzato un nuovo set di dati, ovvero i dati di esempio selezionati casualmente che si desidera. Questo è probabilmente il metodo di campionamento casuale più semplice della storia. Con questo strumento, di quali problemi di campionamento dovrei preoccuparmi?
Naturalmente, questo tipo di campionamento casuale è solo un semplice campionamento casuale. In pratica, ci sono molti metodi di campionamento casuale, come il campionamento casuale stratificato. Anche questo è molto facile da implementare in JMP. Lo introdurremo nell'articolo sul campionamento casuale dopo. Rimani sintonizzato!
