매일 데이터를 분석하는 과정에서 관찰/행의 일부(남성 또는 여성, 특정 연령의 환자 또는 특정 질병을 앓고 있는 환자)에만 집중하는 등 전체 데이터 세트 중 일부만 필요한 경우가 많습니다. 또는 변수/컬럼 등의 일부를 데이터 세트의 하위 집합이라고 할 수 있으며, 원본 데이터를 분할하는 과정도 하위 집합을 생성하는 과정입니다.
그렇다면 조건을 충족하는 관측치를 어떻게 선택합니까? 한 번의 클릭으로 데이터를 여러 하위 집합으로 분할하는 방법은 무엇입니까? JMP의 간단하고 빠른 무작위 샘플링 방법은 무엇입니까? 오늘은 데이터 정리의 중요한 부분을 배우도록 안내하겠습니다.
그림 1 하위 집합 생성을 위한 기본 작업 페이지
그렇다면 구체적으로 어떻게 분할할 것인가?
이 대화 상자의 각 옵션은 무엇을 의미합니까?
이러한 옵션을 활용하는 방법은 무엇입니까? 가장 간단한 것부터 시작해 보겠습니다.
예를 들어 아래 데이터 세트에는 Y와 age라는 두 개의 변수만 필요합니다(물론 실제 상황은 이렇지 않을 것입니다. 일반적인 상황에서는 변수가 너무 많지 않는 한 일부를 분리할 필요가 없습니다. 변수).테이블에서 원하는 열만 선택하면 됩니다.여러 열이 있는 경우 Ctrl 키를 누른 다음 그림 2와 같이 하위 집합 대화 상자를 엽니다.
그림 2 일부 열의 새로운 하위 집합을 생성합니다.
그러면 모든 관측값(행)과 선택한 변수(열)로 구성된 새로운 데이터 세트가 생성됩니다.
그러나 변수에 대한 요구사항 없이 특정 조건을 충족하는 관측값(행)을 선택하거나 일부 관측값과 일부 변수를 선택하려는 경우가 종종 있는데, 그러면 다음과 같은 행 분할 작업이 유용할 수 있습니다.
이 제목은 우리의 목적이자 그것을 달성하기 위한 우리의 행동입니다. 예를 들어, 데이터 세트에서 연령이 40세 이상인 관측치를 선택하려면 [행] → [행 선택] → [조건을 충족하는 행 선택]을 사용한 다음 관측치 필터링 조건을 편집하고 확인을 클릭합니다. , 데이터의 조건을 충족하는 관측치가 선택됩니다.
이 예에서는 320개 행의 관측치가 선택되었으며, 이러한 관측치를 새로운 하위 집합으로 생성하려면 변경 없이 [테이블] → [하위 집합]만 클릭하면 됩니다.(물론 이전에 일부 변수를 선택한 경우, 그런 다음 [모든 열] 대신 [선택한 열]을 선택해야 함) 확인을 클릭하여 그림 3과 같이 선택한 관찰에서 새 데이터 세트를 생성합니다.
팁 : 여러 조건을 충족하는 관측치를 선택합니다.
2개 이상의 규칙을 충족하는 관측치를 선택해야 하는 경우가 많습니다. 예를 들어 40세 이상의 여성을 선택하려는 경우 규칙을 편집할 때 동일한 프로세스가 조금 더 복잡해집니다(그림 4 참조). 조건 간의 관계가 "and"인 경우에는 "모든 조건을 만족하는 경우"를 선택하고, "or(또는)"인 경우에는 "어떤 조건을 만족하는 경우"를 선택합니다.
그림 4 여러 조건을 충족하는 관찰 선택
이전 방법에서는 분석할 수 있도록 원하는 관측치로부터 새 데이터 세트를 생성하는 방법을 설명합니다. 다른 각도에서 원하는 행을 가져오는 방법, 즉 원하지 않는 행을 숨기는 방법은 다음과 같습니다.
위에서 설명한 행 선택 방법과 동일하게 [조건에 맞는 행 선택]에서 분석하고 싶은 행을 선택한 후, 선택을 반대로 하여 [숨기기 및 제외] 작업을 수행하면 그림 5와 같다. (그림 조건행에서 선택이 완료되었습니다.)
팁: [숨겨진] 관측치만 후속 통계 분석에도 들어가지만, 차트 작성 시에는 나타나지 않고, [제외]만 된 관측치는 나오지 않으므로 [숨기기 및 제외]를 직접 선택하는 것이 좋습니다. 후속 통계 분석을 입력합니다.통계 분석에서는 그러나 플롯할 때 나타납니다. 일반적으로 필터링 조건을 충족하지 않는 관찰의 경우 차트에 표시되는 것도 원하지 않으며 후속 통계 분석에 참여하는 것도 원하지 않으므로 [숨기기 및 제외]를 선택하면 됩니다.
그림 5 분석하고 싶지 않은 행 숨기기 및 제외
또 다른 방법은 선택 조건을 직접 역편집하고, 분석에 포함하고 싶지 않은 행을 직접 필터링한 후 [숨기기 및 제외]를 클릭하는 것입니다. 취소하려면 [숨기기 및 제외]를 다시 클릭하세요.
(3) 한 번의 클릭으로 여러 하위 집합으로 분할
분석이 필요한 경우 남성과 여성 데이터 세트로 분할하거나 Y(순서형)에 따라 상위로 분할하는 등 특정 변수의 서로 다른 값을 기반으로 데이터를 여러 데이터 세트로 분할하고 싶습니다. 예제 데이터, 중간 및 낮은 세 가지 데이터 세트, JMP에서 이 작업이 얼마나 간단한가요?
후자를 예로 들어 보겠습니다. 그림 6을 참조하세요. [부분 집합 기준 가져오기] 체크 후 나타나는 변수명 목록에서 데이터 세트를 분할하려는 기준을 선택합니다. 여기서는 Y(순서형)를 기준으로 사용합니다. JMP는 자동으로 데이터 세트를 분할합니다. 세 개의 하위 집합으로 나누어집니다: Y(순서 유형) = 낮음, Y(순서 유형) = 중간, Y(순서 유형) = 높음.
변수를 기반으로 JMP는 변수의 각 값에 대한 새로운 하위 집합을 생성합니다. 예를 들어 실수로 연속형 연령 변수를 분할 기준으로 사용한 경우 수백 개의 부분 집합이 화면에 나타나고 각 부분 집합의 관측치는 동일한 연령을 갖게 됩니다.
데이터 세트 분할의 특별한 경우로서, 무작위 샘플링은 실제로 데이터 세트의 분할로 간주될 수 있으며, 이는 무작위로 선택된 관측치를 분할하여 무작위로 선택된 샘플을 형성하는 것과 같습니다.
JMP에서 무작위 표본추출을 수행하는 방법은 여러 가지가 있는데, 여기서는 가장 간단한 무작위 표본추출 방법을 소개하고, 다음 글에서는 좀 더 구체적인 무작위 표본추출 방법을 소개하겠습니다.
이 방법은 그림 7과 같이 여전히 [Table] → [Subset] 대화상자에 있으며, 빨간색 박스 부분이 Random Sampling 작업의 핵심 옵션으로, 두 가지 방법 중 하나를 선택하세요.
그림 7 무작위 샘플링
그림 7과 같이 "확인"을 클릭하면 새로운 데이터 세트가 나타나는데, 이는 원하는 샘플 데이터를 무작위로 선택한 것입니다. 이것은 아마도 역사상 가장 간단한 무작위 샘플링 방법일 것입니다. 이 도구를 사용하면 어떤 샘플링 문제에 대해 걱정해야 합니까?
물론 이런 종류의 무작위 표본추출은 단순한 무작위 표본추출에 불과합니다. 실제로는 층화 무작위 표본추출 등 다양한 무작위 표본추출 방법이 있습니다. 이 방법도 JMP에서 구현하기가 매우 쉽습니다. 다음 기사에서 소개하겠습니다. 무작위 샘플링 중. 계속 지켜봐 주시기 바랍니다!
