일일 데이터 분석 과정에서 관찰/행의 일부(남성 또는 여성, 특정 연령의 환자 또는 특정 질병이 있는 환자)에만 초점을 맞추는 것과 같이 전체 데이터 세트의 일부만 필요한 경우가 많습니다. 변수/열 등의 일부입니다. 이들은 데이터 집합의 하위 집합이라고 할 수 있으며 원본 데이터를 분할하는 과정은 하위 집합을 생성하는 과정이기도 합니다.
그러면 조건에 맞는 관측값을 어떻게 선택해야 할까요? 한 번의 클릭으로 데이터를 여러 하위 집합으로 분할하는 방법은 무엇입니까? JMP의 간단하고 빠른 무작위 샘플링 방법은 무엇입니까? 오늘은 데이터 정리의 중요한 부분을 배우도록 하겠습니다.
그림 1 하위 집합 생성을 위한 기본 작업 페이지
그럼 어떻게 나누나요?
이 대화 상자에서 각 옵션의 의미는 무엇입니까?
이러한 옵션을 잘 활용하는 방법은 무엇입니까? 가장 간단한 것부터 시작합시다.
예를 들어, 아래 그림의 데이터 세트에서 Y와 age라는 두 개의 변수만 필요합니다(물론 그렇지 않습니다. 일반적으로 변수가 너무 많은 경우가 아니면 선택할 필요가 없습니다. 일부 변수는 별도로 출력) 테이블에서 원하는 열을 선택하고 여러 열이 있는 경우 Ctrl 키를 누른 상태에서 그림 2와 같이 하위 집합 대화 상자를 엽니다.
그 결과 모든 관찰(행)과 선택한 변수(열)로 구성된 새 데이터 세트가 생성됩니다.
그러나 더 자주 특정 조건을 충족하고 변수가 필요하지 않은 관측치(행)를 선택하거나 일부 관측치와 일부 변수를 선택하려는 경우 행 분할에 대한 다음 작업이 NS에 유용할 수 있습니다.
이 칭호는 우리의 목적일 뿐만 아니라 그것을 달성하기 위한 우리의 작전이기도 합니다. 예를 들어, 40년보다 오래된 데이터 세트에서 관찰을 선택하려면 [행]→[행 선택]→[적합한 행 선택]을 거친 다음 필터 관찰 조건을 편집하고 확인을 클릭합니다. 데이터의 조건을 충족하는 관찰이 선택됩니다.
이 예에서는 320개의 관찰 행이 선택되어 있습니다.이 관찰을 새 하위 집합으로 생성하려면 [표]→[하위 집합]만 클릭하면 되고 변경할 필요가 없습니다(물론 이전에 선택한 경우 일부 변수의 경우 [All Columns] 대신 [Selected Columns]를 선택하고 확인을 클릭하여 그림 3과 같이 선택한 관찰에 대한 새 데이터 세트를 생성해야 합니다.
팁 : 여러 조건을 충족하는 관찰 선택
많은 경우에 우리가 선택해야 하는 관찰은 2개 이상의 규칙을 충족해야 합니다.예를 들어 40세 이상의 여성을 선택해야 합니다.그림 4와 같이 규칙을 편집할 때 동일한 프로세스가 조금 더 복잡합니다. 조건 사이의 관계가 "및(및)"인 경우 [모든 조건이 충족되는 경우]를 선택하고, "또는(또는)"인 경우 [조건이 충족되는 경우]를 선택합니다.
그림 4 여러 조건을 충족하는 관측치 선택
이전 방법은 원하는 관측값에서 새 데이터 세트를 생성하여 분석할 수 있도록 하는 방법을 소개했습니다. 다음은 원하지 않는 행을 숨기는 다른 각도에서 원하는 행을 얻는 방법입니다.
위에서 설명한 행 선택 방법과 동일하게 [조건에 맞는 행 선택]에서 분석하고자 하는 행을 선택한 후, 그림 5와 같이 선택을 반대로 하여 [숨기기 및 제외] 동작을 수행할 수 있다. (그림에서 선택이 완료되었습니다) 적격 행).
팁: [숨김]만 되어 있는 관찰도 차후 통계분석에 들어가게 되지만 차트를 그릴 때 나타나지 않고 [제외]에만 있는 관찰은 [숨기기 및 제외]를 직접 선택하는 것이 좋습니다. 통계분석에서는 후속작에 들어가지 않으나, 그림을 그릴 때 나타납니다. 일반적으로 필터 기준을 충족하지 않는 이러한 관찰의 경우 차트에 나타나지도 않고 후속 통계 분석에 참여하는 것도 원하지 않으므로 [숨기기 및 제외]를 직접 선택합니다.
또 다른 방법은 선택 기준을 직접 역 편집하고 분석에 포함하지 않으려는 행을 직접 필터링한 다음 [숨기기 및 제외]를 클릭하는 것입니다. 취소하려면 [숨기기 및 제외]를 다시 클릭하십시오.
(3) 한 번의 클릭으로 여러 하위 집합으로 분할
분석이 필요한 경우 변수의 다른 값을 기반으로 데이터를 여러 데이터 세트로 분할하려는 경우, 예를 들어 남성과 여성의 두 데이터 세트로 분할하거나 Y(정렬된 유형)에 따라 높음으로 분할하려는 경우 샘플 데이터, 중간 및 낮은 세 가지 데이터 세트에서 JMP에서 이 작업은 얼마나 간단합니까?
후자를 예로 들어 보겠습니다(그림 6 참조). [Subset based] 체크 후 팝업되는 변수명 목록에서 분할하고자 하는 데이터 세트의 기준을 선택합니다. 이 예에서 JMP는 Y(ordered type)를 기준으로 데이터 세트를 자동으로 3개의 서브세트로 분할합니다. Y(순서형) = 낮음, Y(순서식) = 중간 및 Y(순서식) = 높음 3개의 하위 집합입니다.
변수를 기반으로 JMP는 변수에 있는 각 값의 새 하위 집합을 별도로 생성합니다. 예를 들어 실수로 연속 연령 변수를 분할의 기준으로 사용하면 화면에 수백 개의 하위 집합이 표시되고 각 하위 집합의 관찰은 동일한 연령을 갖습니다.
데이터 세트를 분할하는 특별한 경우로, 무작위 샘플링은 실제로 데이터 세트의 분할로 간주될 수 있으며, 이는 무작위로 선택된 관찰을 분할하여 무작위로 선택된 샘플을 형성하는 것과 같습니다.
JMP에서 무작위 샘플링을 수행하는 방법은 여러 가지가 있는데 가장 간단한 무작위 샘플링 방법은 다음 글에서 자세히 소개하겠습니다.
이 방법은 그림 7과 같이 [Table]→[Subset] 대화 상자에 계속 존재하며, 빨간색 상자 부분은 임의 샘플링 작업의 핵심 옵션으로 두 가지 방법 중 하나를 선택합니다.
그림 7 무작위 샘플링
그림 7과 같이 "확인"을 클릭하면 새로운 데이터 세트가 나타나는 것을 볼 수 있는데, 이것은 원하는 샘플 데이터를 무작위로 선택한 것입니다. 이것은 아마도 역사상 가장 간단한 무작위 샘플링 방법일 것입니다. 이 도구를 사용하면 어떤 샘플링 문제를 걱정해야 할까요?
물론 이런 종류의 무작위 샘플링은 단순한 무작위 샘플링입니다. 실제로는 계층화 무작위 샘플링과 같은 많은 무작위 샘플링 방법이 있습니다. 이 또한 JMP에서 구현하기가 매우 쉽습니다. 무작위 샘플링에 대한 기사에서 소개합니다. 나중에. 계속 지켜봐 주세요!
