En el análisis de datos, a menudo necesitamos combinar varias columnas de indicadores en una sola. Por ejemplo, podríamos necesitar convertir una tabla de datos de 100 columnas y 5 columnas (que representa a 100 personas en 5 puntos de observación) en una tabla de datos de 500 columnas y 1 columna para facilitar la creación de gráficos y el análisis. ¿Cómo se puede lograr esto rápidamente en JMP? Este artículo presenta técnicas para combinar datos de varias columnas en JMP.
Al analizar datos, a menudo nos encontramos con situaciones en las que un individuo presenta múltiples indicadores clave (como datos de distintos momentos en un seguimiento). Al importar los datos, estos indicadores suelen importarse a columnas diferentes (por ejemplo, datos de 5 momentos se importan a 5 columnas). Si bien este método de importación parece intuitivo, en ocasiones es necesario colocar estos indicadores en la misma columna durante el análisis.
Si solo hay 5 columnas, copiarlas una por una no llevará mucho tiempo. ¿Pero qué ocurre si hay 20 columnas o incluso más? No solo es lento y laborioso, sino que copiar y pegar también es propenso a errores. Hoy aprenderemos a usar la función de "apilamiento" en la limpieza de datos para combinar rápidamente varias columnas en una sola, añadiendo una nueva variable identificadora para mostrar diferentes métricas.
A continuación, utilizaremos los datos de ejemplo incluidos con JMP para demostrar cómo implementar el apilamiento de datos. Puede encontrar los datos de ejemplo en el menú superior «Ayuda » → « Biblioteca de datos de ejemplo», como se muestra en la Figura 1 a continuación.
Figura 1: Documentación de ayuda de JMP y datos de muestra
En esta ocasión, utilizaremos como ejemplo el archivo de datos Blood Pressure.jmp de la base de datos de muestra. La estructura general de los datos se muestra en la Figura 2.
Figura 2 Materiales de muestra
Los 20 participantes se dividieron en cuatro grupos. La variable PA 8M se refiere a la medición de la presión arterial tomada a las 8:00 a. m. del lunes. Por lo tanto, estos datos registran las mediciones de la presión arterial de cada participante en tres momentos diferentes del día: lunes, miércoles y viernes. Sí, se trata de datos estándar de mediciones repetidas, y muchos médicos en la práctica clínica recopilan datos en este formato.
primer paso:Apila varias columnas de indicadores en una sola columna.
Primero, imaginemos este escenario: tras obtener los datos, deseamos comparar si existen diferencias en las mediciones de presión arterial de los cuatro grupos de sujetos. En este caso, el valor de la medición de la presión arterial se convierte en la variable dependiente y, y el momento de la medición y la agrupación se convierten en las variables independientes x1 y x2. El formato de datos actual, evidentemente, no cumple con los requisitos de nuestro análisis posterior.
Necesitamos apilar los nueve puntos temporales en dos columnas: una para los puntos temporales y otra para los valores de medición, asegurando una correspondencia uno a uno. ¿Cómo podemos hacerlo en JMP? ¡En un solo paso!
Figura 3 - Seleccionar " Apilar " en el menú "Tablas" abrirá un cuadro de diálogo de apilamiento.
- Columnas apiladas: seleccione las columnas que desea apilar.
- Nombre de la tabla de salida: introduzca el nombre de la tabla apilada .
- Columna de datos apilados / Columna de etiqueta de origen: tras el apilamiento, se crearán dos nuevas variables: una para el punto temporal (columna de etiqueta de origen) y otra para el valor de la medición de la presión arterial (columna de datos apilados). Podemos asignarles nombres de variable. Si no se realizan modificaciones, las nuevas variables usarán los nombres predeterminados del sistema 【 Datos 】 y 【 Etiqueta 】.
El proceso operativo se muestra en la Figura 4:
Figura 4 - Demostración del proceso de operación de apilamiento de columnas
La tabla de datos recién generada se muestra en la Figura 5:
Figura 5 - Tabla de datos recién generada tras el apilamiento de columnas
Se midió la presión arterial en 9 momentos diferentes para cada uno de los 20 participantes, lo que generó una nueva tabla de datos con 180 columnas de observaciones. Las etiquetas y los datos corresponden a los momentos y valores de presión arterial originales, respectivamente. Esto nos permite continuar con el análisis posterior.
Paso 2: Apilar los indicadores de varias columnas en un único indicador de varias columnas.
Para distintos fines analíticos, podrías pensar: la operación es la misma que antes.
Sin embargo, la diferencia radica en las necesidades del propósito analítico.
Figura 6 - Apilamiento de varias columnas
Dado que las variables están apiladas en tres columnas consecutivas, formando un total de tres columnas, establecemos el número de columna en 3, marcamos "Consecutivo" y hacemos clic en Aceptar, como se muestra en la Figura 7 a continuación:
Figura 7
La tabla de datos generada se muestra en la Figura 8. Los datos diarios de cada participante se presentan en una columna:
Figura 8
En la organización y el resumen de datos diarios, además de apilar varias columnas en una sola, también hay situaciones en las que una sola columna se divide en varias. En un próximo artículo, presentaremos la operación inversa a "apilar": la división. ¿Cuál es la importancia de la división? ¿Qué aspectos debemos tener en cuenta? ¡No se pierdan la próxima entrega de # 10ConsejosParaAnálisisDeDatos !
Enlace al artículo original: Limpieza de datos con "apilamiento": una potente herramienta para combinar y procesar datos de varias columnas.
Lecturas recomendadas:
Nota: Este es el quinto artículo de esta serie. Haga clic en #10DataAnalysisTips para consultar otros artículos.
