En analyse de données, il est souvent nécessaire de fusionner plusieurs colonnes d'indicateurs en une seule. Par exemple, on peut avoir besoin de convertir un tableau de données de 100 colonnes (5 colonnes par point d'observation) représentant 100 personnes réparties sur 5 points d'observation en un tableau de 500 colonnes (1 colonne par point d'observation) afin de faciliter la création de graphiques et l'analyse. Comment réaliser cette opération rapidement avec JMP ? Cet article présente des techniques de fusion de données multicolonnes dans JMP.
Lors de l'analyse de données, il arrive fréquemment qu'un individu présente plusieurs indicateurs clés (par exemple, des données issues de différents moments de suivi). À l'importation, ces indicateurs sont généralement répartis dans des colonnes distinctes (par exemple, les données de cinq moments de suivi sont importées dans cinq colonnes). Bien que cette méthode d'importation paraisse intuitive, il est parfois nécessaire, lors de l'analyse, de placer ces indicateurs dans la même colonne.
S'il n'y a que 5 colonnes, les copier une par une ne prendra pas beaucoup de temps. Mais que faire s'il y en a 20, voire plus ? Non seulement c'est long et fastidieux, mais le copier-coller est aussi source d'erreurs. Aujourd'hui, nous allons apprendre à utiliser la fonction « empilement » du nettoyage des données pour fusionner rapidement plusieurs colonnes en une seule, tout en ajoutant une nouvelle variable d'identification pour afficher différentes métriques.
Nous utiliserons ci-dessous les données d'exemple fournies avec JMP pour illustrer la mise en œuvre de l'empilement de données. Ces données se trouvent dans le menu « Aide » → « Bibliothèque de données d'exemple », comme indiqué dans la figure 1 ci-dessous.
Figure 1 : Documentation d’aide et exemples de données JMP
Cette fois-ci, nous utiliserons le fichier de données Blood Pressure.jmp de la base de données d'exemple. La structure globale des données est illustrée à la figure 2.
Figure 2 Matériaux d'exemple
Les 20 participants ont été répartis en quatre groupes. La variable BP 8M correspond à la mesure de la pression artérielle effectuée le lundi à 8 h. Ces données enregistrent donc les mesures de pression artérielle de chaque participant à trois moments différents de la journée : lundi, mercredi et vendredi. Il s’agit bien de données standard de mesures répétées, couramment utilisées par les médecins en pratique clinique.
premier pas:Regroupez plusieurs colonnes d'indicateurs en une seule colonne.
Imaginons d'abord le scénario suivant : après avoir recueilli les données, vous souhaitez comparer les mesures de pression artérielle des quatre groupes de sujets. Dans ce cas, la valeur de la pression artérielle devient la variable dépendante y, et le moment de la mesure ainsi que le groupe deviennent les variables indépendantes x1 et x2. Le format actuel des données ne répond manifestement pas aux exigences de notre analyse ultérieure.
Nous devons organiser les neuf points temporels en deux colonnes : une pour les points temporels et l’autre pour les valeurs de mesure, afin d’établir une correspondance biunivoque. Comment faire cela dans JMP ? En une seule étape !
Figure 3 - La sélection de « Empiler » dans le menu « Tables » fera apparaître une boîte de dialogue d'empilement.
- Empiler les colonnes – Sélectionnez les colonnes que vous souhaitez empiler.
- Nom du tableau de sortie – Saisissez le nom du tableau empilé
- Colonne de données empilées / Colonne d'étiquette source - Après l'empilement, deux nouvelles variables sont créées : l'une correspond au point temporel (colonne d'étiquette source) et l'autre à la valeur de mesure de la pression artérielle (colonne de données empilées). Il est possible de leur attribuer des noms de variables. Par défaut, les nouvelles variables utiliseront les noms système par défaut « Données » et « Étiquette ».
Le processus opérationnel est illustré à la figure 4 :
Figure 4 - Démonstration du processus d'empilage de colonnes
Le tableau de données nouvellement généré est présenté dans la figure 5 :
Figure 5 - Tableau de données nouvellement généré après l'empilement des colonnes
La pression artérielle a été mesurée à neuf reprises chez chacun des 20 participants, ce qui a permis de générer un nouveau tableau de données comportant 180 colonnes d'observations. Les étiquettes et les données correspondent respectivement aux temps de mesure et aux valeurs de pression artérielle initiales. Ceci nous permet de procéder à l'analyse ultérieure.
Étape 2 : Empiler les indicateurs à plusieurs colonnes en un seul indicateur à plusieurs colonnes.
Pour différentes analyses, vous pourriez penser : l’opération est la même qu’auparavant.
La différence réside toutefois dans les besoins de l'objectif analytique.
Figure 6 - Empilement multi-colonnes
Étant donné que les variables sont empilées sur trois colonnes consécutives, formant un total de trois colonnes, nous définissons le numéro de colonne sur 3, cochons « Consécutive » et cliquons sur OK, comme indiqué dans la figure 7 ci-dessous :
Figure 7
Le tableau de données généré est présenté dans la figure 8. Les données quotidiennes de chaque participant sont présentées dans une colonne :
Figure 8
Dans l'organisation et la synthèse quotidiennes des données, outre le regroupement de plusieurs colonnes en une seule, il arrive aussi qu'une seule colonne soit divisée en plusieurs. Dans un prochain article, nous aborderons l'opération inverse du regroupement : la division. Quelle est l'importance de la division ? Et quels sont les points à retenir ? Restez connectés pour découvrir la prochaine chronique # 10DataAnalysisTips !
Lien vers l'article original : Nettoyage des données avec « empilement » — un outil puissant pour la fusion et le traitement des données multi-colonnes
Lectures recommandées :
Remarque : Ceci est le cinquième article de cette série. Cliquez sur #10ConseilsAnalyseDeDonnées pour consulter les autres articles.
