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 (uomini o donne, pazienti di una certa età o pazienti con una determinata malattia) o una parte delle variabili/colonne, ecc., possono essere chiamati sottoinsiemi di set di dati e il processo di suddivisione dei dati originali è anche il processo di generazione di sottoinsiemi.
Quindi, come selezionare le osservazioni che soddisfano 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 ti porterò ad apprendere una parte importante della pulizia dei dati.
Genera sottoinsiemi in JMP
Figura 1 Pagina delle operazioni principali per la generazione di sottoinsiemi
Quindi come dividerlo in modo specifico?
Cosa significa ciascuna opzione in questa finestra di dialogo?
Come sfruttare queste opzioni? Cominciamo con quello più semplice.
01 Se hai bisogno solo di un sottoinsieme di variabili (colonne)
Ad esempio, nel set di dati riportato di seguito, sono necessarie solo due variabili, Y ed età (ovviamente, la situazione reale non sarà così. In circostanze normali, a meno che non ci siano troppe variabili, non è necessario separarne alcune variabili). È sufficiente selezionare le colonne desiderate nella tabella. Ricordarsi di tenere premuto il tasto Ctrl quando sono presenti più colonne, quindi aprire la finestra di dialogo del sottoinsieme, come mostrato nella Figura 2.
Figura 2 Genera nuovi sottoinsiemi di alcune colonne
Ciò si traduce in un nuovo set di dati composto da tutte le osservazioni (righe) e dalle variabili selezionate (colonne).
Tuttavia, il più delle volte, vogliamo selezionare osservazioni (righe) che soddisfano condizioni specifiche senza alcun requisito sulle variabili, oppure selezionare alcune osservazioni e alcune variabili. Quindi le seguenti operazioni di divisione delle righe possono tornare utili. .
02 Se è richiesto solo un sottoinsieme di osservazioni (righe).
(1) Seleziona le righe che soddisfano le condizioni
Questo titolo rappresenta sia il nostro scopo che le nostre azioni per raggiungerlo. Ad esempio, se desideriamo selezionare osservazioni con età > 40 anni nel set di dati, possiamo utilizzare [Riga] → [Selezione riga] → [Seleziona righe che soddisfano le condizioni], quindi modificare le condizioni per filtrare le osservazioni, 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 in un nuovo sottoinsieme, devi solo fare clic su [Tabella] → [Sottoinsieme] senza apportare modifiche (ovviamente, se hai selezionato alcune variabili in precedenza, quindi è necessario selezionare [Colonne selezionate] anziché [Tutte le colonne]), fare clic su OK per generare un nuovo set di dati dalle osservazioni selezionate, come mostrato nella Figura 3.
Figura 3 Selezionare le righe che soddisfano le condizioni
Suggerimenti : seleziona le osservazioni che soddisfano più condizioni
Molte volte dobbiamo selezionare osservazioni che soddisfano ≥ 2 regole. Ad esempio, vogliamo selezionare donne di età superiore a 40 anni. Lo stesso processo è solo un po' più complicato quando si modificano le regole, vedere Figura 4. Quando la relazione tra le condizioni è "e", selezionare "Se tutte le condizioni sono soddisfatte"; quando è "o (o)", selezionare "Se una qualsiasi condizione è soddisfatta".
Figura 4 Selezione delle osservazioni che soddisfano più condizioni
(2) Nascondi le righe che non desideri analizzare
Il metodo precedente descrive 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 riga condizionale della figura).
Suggerimenti: Si consiglia di selezionare direttamente [Nascondi ed escludi], poiché solo le osservazioni [nascoste] entreranno anche nell'analisi statistica successiva, ma non verranno visualizzate durante la creazione dei grafici e le osservazioni solo [escluse] non verranno visualizzate. inserire l'analisi statistica successiva nell'analisi statistica, ma apparirà durante il tracciamento. In generale, per queste osservazioni che non soddisfano le condizioni di filtro, non vogliamo che appaiano nel grafico, né vogliamo che partecipino alla successiva analisi statistica, quindi basta selezionare [Nascondi ed escludi].
Figura 5 Nascondere ed escludere le righe che non si desidera analizzare
Un altro metodo consiste nel modificare direttamente le condizioni di selezione, filtrare direttamente le righe che non si desidera includere nell'analisi e quindi fare clic su [Nascondi ed escludi]. Fare di nuovo clic su [Nascondi ed escludi] per annullare.
(3) Suddividi in più sottoinsiemi con un clic
Se per esigenze di analisi, vogliamo suddividere i dati in più set di dati in base a diversi valori di una determinata variabile, ad esempio la suddivisione in set di dati maschili e femminili o la suddivisione in alto in base a Y (tipo ordinato) in i dati di esempio, i tre set di dati medio e basso, quanto è semplice questa operazione in JMP?
Prendiamo quest'ultimo come esempio, vedere la Figura 6. Nell'elenco dei nomi delle variabili che viene visualizzato dopo aver selezionato [Base del sottoinsieme], selezionare la base in base alla quale si desidera dividere il set di dati. In questo esempio, Y (tipo ordinato) viene utilizzato come base. JMP divide automaticamente il set di dati in tre sottoinsiemi, rispettivamente.Ci sono tre sottoinsiemi: Y (tipo ordinato) = basso, Y (tipo ordinato) = medio e Y (tipo ordinato) = alto.
Figura 6 Sottoinsiemi suddivisi in base ai valori delle variabili
In base alle variabili, JMP genererà un nuovo sottoinsieme per ciascun valore nella variabile. Ad esempio, se utilizzi accidentalmente una variabile età continua come base per la suddivisione, sullo schermo verranno visualizzati centinaia di sottoinsiemi e le osservazioni in ciascun sottoinsieme avranno la stessa età.
(4) Campionamento casuale
Come caso speciale di suddivisione di un set di dati, il campionamento casuale può effettivamente essere considerato come una suddivisione di un set di dati, il che equivale a suddividere osservazioni selezionate casualmente per formare campioni selezionati casualmente.
Esistono molti modi per eseguire il campionamento casuale in JMP. Il metodo di campionamento casuale più semplice viene presentato qui. Introdurremo il metodo di campionamento casuale specifico e più dettagliato in un articolo successivo.
Questo metodo è ancora nella finestra di dialogo [Tabella] → [Sottoinsieme], come mostrato nella Figura 7. La parte nel riquadro rosso è l'opzione chiave per l'operazione di campionamento casuale. Scegliere uno dei due metodi.
Figura 7 Campionamento casuale
Come mostrato nella Figura 7, dopo aver fatto clic su "OK", verrà visualizzato un nuovo set di dati contenente i dati campione desiderati selezionati casualmente. Questo è probabilmente il metodo di campionamento casuale più semplice della storia. Con questo strumento, di quali problemi di campionamento devi preoccuparti?
Naturalmente, questo tipo di campionamento casuale è semplicemente un semplice campionamento casuale. Nella pratica esistono anche molti metodi di campionamento casuale, come il campionamento casuale stratificato, ecc. Anche questo è molto semplice da implementare in JMP. Lo presenteremo in un articolo successivo sul campionamento casuale. Rimani sintonizzato!
