Descripción
Analizar columnas es una herramienta que realizará estadísticas resumidas predeterminadas bastante rápidas (explicadas a continuación) para sus datos discretos (nominales/ordinales) y continuos. También le permite realizar algunas tareas de inicio rápido directamente desde la ventana Analizar columna, como eliminar columnas, crear una matriz de diagrama de dispersión y agregar los nueves más grandes a los códigos de valores faltantes.
Este complemento utiliza la tabla Resumen para calcular la mayoría de las estadísticas resumidas discretas y la plataforma de distribución para calcular las estadísticas resumidas continuas. Estos fueron elegidos por su facilidad de uso durante la creación de scripts y su velocidad.
Los ejemplos siguientes provienen del uso de Analizar columnas en todas las columnas de la tabla de datos de muestra de JMP. Investigacion .
Interfaz de usuario
Ventana de inicio que permite al usuario seleccionar columnas y frecuencia de muestreo.
Barra de progreso con botón Cancelar funcional
Ventana principal con panel lateral abierto.
Explicación de la ventana principal de la interfaz de usuario:
1. El mismo panel lateral que se puede ver en las tablas de datos, se puede cerrar desde el triángulo en la esquina superior izquierda.
2. Información breve sobre la tabla de datos analizados (filas, columnas, duración del análisis). Al hacer clic en el nombre de la tabla, aparecerá al frente.
3. Tabla de resumen de estadísticas para columnas nominales/ordinales
4. Estadísticas resumidas para columnas continuas. Esto también tiene barras de desplazamiento horizontales, así que recuerde desplazarse hacia la izquierda y hacia la derecha.
5. Botones de acción
6. Fichas para cambiar entre la ventana de análisis y la vista de la tabla de datos original.
Estadísticos resumidos: discretos (nominales/ordinales)
Ver Uso de JMP > Resuma sus datos > Explicación del resumen de estadísticas para la mayoría de las estadísticas resumidas.
- Columna - Nombre de la columna analizada
- Tipo: tipo de columna. El primer carácter indica el tipo de datos (C - Carácter, N - Numérico) y el segundo tipo de modelado (N - Nominal, O - Ordinal)
- N Prop - Recuento de propiedades de columna
- N - Recuento de valores no faltantes
- N Distinto - Recuento de valores distintos (N categorías)
- N Único: recuento de valores que tienen un solo valor
- % único: porcentaje de columnas que son únicas
- N faltante: recuento de valores faltantes
- % faltante: porcentaje de valores faltantes
- Primero: primer valor en orden alfanumérico
- N First - Recuento de los primeros valores
- Último: último valor en orden alfanumérico
- N Último: recuento de los últimos valores
- Moda: valor más común
- Modo N: recuento de los valores más comunes
Estadísticas resumidas: continuas
Ver Análisis básico > Distribuciones > Informe de distribución > Informe de resumen de estadísticas para una explicación más detallada de la mayoría de las estadísticas.
- Columna - Nombre de la columna analizada
- Tipo: tipo de columna. El primer carácter indica el tipo de datos (N - Numérico) y el segundo tipo de modelado (C - Continuo)
- N Prop - Recuento de propiedades de columna
- % Int - Porcentaje de valores enteros
- N - Recuento de valores no faltantes
- N Distinto - Recuento de valores distintos (N categorías)
- N faltante: recuento de valores faltantes
- % faltante: porcentaje de valores faltantes
- N Cero - Recuento de valores cero (0)
- % Cero - Porcentaje de valores cero
- Nueves - Valor numérico de los nueves más altos
- N Nines - Recuento de los nueve más altos
- Moda: valor más común
- Modo N: recuento del valor más común
- Mín - Valor mínimo
- N Min - Recuento de valores mínimos
- Máximo - Valor máximo
- N Max - Recuento de valores máximos
- Mediana - Valor medio
- Media - Valor medio
- Std Dev - Desviación estándar
- N Pat: recuento de valores atípicos robustos. Calculado como valores atípicos de 6 sigma utilizando la mediana como media y el IQR/1,35 como sigma ( AEC - Q001 Rev-D )
- MAD - Desviación absoluta mediana
- IQR - rango intercuartil
- Kurtosis: Mide el pico o el peso de las colas.
- Asimetría: mide la lateralidad o la simetría.
- Sesgo no paramétrico: asimetría no paramétrica. (Media - Mediana) / Desv. estándar Más información Sesgo no parmétrico (wikipedia)
- Autocorrelación: autocorrelación de primer orden que prueba si los residuos están correlacionados entre las filas.
- Mejor ajuste: de forma predeterminada, está vacío. Cuando se presiona el botón Mejor ajuste, se mostrará el mejor ajuste de los datos de las distribuciones Normal, Mezcla Normal 2, Gamma, Weibull y Exponencial.
Botones de acción
Las acciones se realizan principalmente en columnas seleccionadas. Si se inicia la plataforma, se completará previamente con las columnas seleccionadas.
- Anterior: ir a la columna seleccionada anterior
- Siguiente: ir a la siguiente columna seleccionada
- Distribución: lanzamiento de distribución con 5 gráficos para cada fila.
- Mejor ajuste: ajusta las distribuciones a las columnas y selecciona el mejor ajuste. Tenga cuidado y utilícelo sólo para EDA rápida, ya que el ajuste que proporciona probablemente no sea la opción correcta.
- Explore Outliers: inicie la plataforma Explore Outliers
- Patrón de datos faltantes: lanzamiento de la plataforma Patrón de datos faltantes
- Explore Missing: inicie la plataforma Explore Missing Data Patterns
- Matriz de diagrama de dispersión: lanzamiento de plataforma multivariada y de correlación
- MDMvCC: gráfico de control multivariado basado en modelo de lanzamiento
- Serie temporal: crea gráficos de series temporales para las columnas seleccionadas. Utiliza el orden Row()
- Establecer nueves faltantes: establece los nueves más altos en códigos de valor faltantes (se puede repetir)
- Cast Role: convierte las columnas seleccionadas en un rol.
- Estandarizar atributos: lanza Estandarizar atributos
- Columnas de grupo: agrupa las columnas seleccionadas
- Subconjunto de columnas: crea un subconjunto solo con columnas seleccionadas.
- Ocultar y excluir columnas: oculta y excluye columnas seleccionadas
- Borrar selección: borra las selecciones de columnas
- Eliminar columnas: elimina las columnas seleccionadas
- Seleccionar seleccionado: selecciona las mismas columnas de Analizar columnas que se seleccionaron de la tabla de datos original.
- Actualizar seleccionados: vuelve a calcular las estadísticas de resumen para las columnas seleccionadas
- Actualizar todo: vuelve a calcular las estadísticas resumidas para las mismas columnas elegidas por el usuario durante el inicio.
- Ayuda: abre esta página
- Salir: cierra la aplicación
|
|
Cuando se presiona Cast Role, se abrirá la siguiente ventana:
Inspiración
Este complemento se inspiró en la necesidad de obtener rápidamente una descripción general de nuevos conjuntos de datos grandes ( Perfil de pandas es una de esas bibliotecas existentes).
Ejemplo de análisis exploratorio con columnas de análisis utilizando Probe.jmp
Ver más...
Posible trabajo futuro
- Agregar función para crear un informe similar a Perfil de pandas
- Permitir al usuario elegir qué estadísticas resumidas calcular
- Permitir al usuario elegir qué estadísticas resumidas mostrar y guardar estas configuraciones
- Mejorar la velocidad de los cálculos.
- Permitir el cálculo de estadísticas de capacidad si la columna continua tiene límites de especificación
- Guarde las estadísticas calculadas en la tabla de datos como variable de tabla/script de tabla para permitir una rápida ejecución de la herramienta. Se deben guardar varios de estos, para que el usuario pueda mantener un registro de "cambios" de las estadísticas resumidas y/o demostrar el efecto del muestreo en las estadísticas resumidas.
- Agregue algún tipo de opción para "etiquetar" columnas con notas. Lo más probable es que esto requiera algún tipo de ventana nueva para escribir las notas y recuperarlas, ya que la propiedad de columna personalizada es mejor para esto (las Notas serían las mejores, pero el usuario no puede ver si se han configurado en columna).
Registro de cambios
24.12.2022: Se eliminó el logotipo de la empresa de la interfaz de usuario.
Acabo de notar que hay un error con el cuadro de tabla continua y los valores se cambian en uno cuando se usa JMP17. Lo más probable es que las plataformas que estoy usando para resumir las estadísticas hayan cambiado de JMP16 -> JMP17. Cuando tenga tiempo echaré un vistazo e intentaré solucionar el problema.
