60982_zh-CN

liliconcom

数据表是什么形状？

重塑数据是准备数据表以进行进一步分析和建模的过程中非常宝贵的阶段。 对于大多数分析，我们将数据组织成二维表格格式，其中每一行都是一个单独的观察或案例，每列包含与该个体相关的测量或属性。 但有时这不是唯一的选择，甚至不是首选的选择。

考虑一个简单的对照实验试点研究。 该实验调查了旨在提高受试者执行任务得分的训练活动的效果。 假设实验的设计是让研究中的每个受试者都完成前测和后测，并记录分数。 有八名试点受试者被确定为个体 A 到 H，其中四人被随机分配来使用该活动。 另外四个是对照组。

数据收集后，我们将为每个人提供两个分数，并且我们将知道每组中有哪些人。 我们可以选择哪些方式将数据放入单个矩阵或数据表中？

宽格式与长格式

如果我们遵循为每个实验对象分配一行的约定，我们的数据表可能如下所示：

表 1：大量人工实验数据

主题	团体	预	邮政
A	经验值	51	48
乙	控制键	53	42
C	控制键	48	56
D	经验值	44	49
乙	经验值	47	59
F	控制键	42	43
G	控制键	52	39
H	经验值	48	49

 

这种格式通常被称为“宽”：给定个体的所有属性和测量值分布在多个列中。 在此示例中，我们有一个八行四列的矩阵，具有最小的冗余。

宽格式的替代方案是以“窄”或“高”的方式重新排列相同的数据。 这引入了一些冗余主题,团体， 和测试列，以换取将测试（前或后）视为分类变量并将所有分数视为单个数字变量。

 

表 2：相同数据的长排列

主题	团体	测试	分数
A	经验值	预	51
A	经验值	邮政	48
乙	控制键	预	53
乙	控制键	邮政	42
C	控制键	预	48
C	控制键	邮政	56
D	经验值	预	44
D	经验值	邮政	49
乙	经验值	预	47
乙	经验值	邮政	59
F	控制键	预	42
F	控制键	邮政	43
G	控制键	预	52
G	控制键	邮政	39
H	经验值	预	48
H	经验值	邮政	49

 

最终，关于数据表的首选形状的决定应该由分析目标的逻辑驱动。 在从头开始设计实验或数据收集时，您应该从一开始就考虑分析目标。 然而，数据表的布局通常是由其他人较早选择的，而分析师的工作是将数据呈现为适合当前目的的格式。

宽格式和长格式的原因

也许将数据排列成宽格式的最常见原因是我们正在处理纵向或重复测量数据。 某些分析平台可能要求将每次重复测量视为变量。 （例如，参见格蕾丝-马丁 2015 ，或 SAS Institute 2016a。）对于某些过程，联合管理计划可以以宽格式或长格式对重复测量进行建模，如 SAS Institute 2016b 中所述。 由于同一受试者或观察单位的重复测量可能彼此相关，因此最好将它们视为多个变量而不是单个变量。

当分析目标涉及明确地将时间视为一个因素或预测因素时（如时间序列建模或可视化），那么长格式可能更合适。 例如，数据表应该很长才能在 JMP 上使用时间维度气泡图平台。

接下来的两节说明了将宽格式转换为窄格式以及反之亦然的 JMP 方法。 最初的插图仅使用此人工数据集来展示该方法，然后再转向更复杂的插图。

堆叠宽数据

在这个介绍性示例中，数据的初始状态很宽，每个受试者一行，两个测量值占据不同的列。 换句话说，这两个测量值被视为两个变量。 图1显示了数据表的初始状态。 由于本假设研究的设计使用配对，因此我们可能会直接使用数据表进行分析。

对于其他分析目的，可能会有所帮助e将表格调整为窄格式。 我们使用堆命令在表格菜单。

Figure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide FormatFigure 1: Example Data Table in Wide Format图 1：宽格式数据表示例

1. 选择表格>堆打开如图2所示的对话框。
2. 目标是创建一个新列，将测试管理表示为分类变量（前和后），并将所有分数堆叠到单个列中。 为此，我们选择两个当前列（预和邮政），然后单击堆栈列。

默认情况下，JMP 将为新定量列命名数据和分类标识符（即原始列名称）为标签。 最好选择更有意义的变量标题。

1. 在对话框的右下角，指定分数和实验阶段的描述性列标题。
2. 完成如图 2 所示的对话框，然后单击好的。

Figure 2: The Stack DialogFigure 2: The Stack DialogFigure 2: The Stack DialogFigure 2: The Stack Dialog图 2：堆栈对话框

将打开一个新数据表，其中包含以窄（长）格式表示的 16 个测量值。 您的数据表现在应如图 3 所示。

 

Figure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, FormatFigure 3: The Experimental Data in Narrow, or Stacked, Format图 3：窄格式或堆叠格式的实验数据

解析狭隘数据

假设数据最初以窄格式记录（类似于表2和图3），但我们想以宽格式重新组织它。 要继续该示例并反转该过程，我们将使用分裂平台在表格菜单。 该对话框如图 4 所示。 这里我们需要指定标识拆栈基础的列（在本例中，测试列）以及包含将填充多个新列的数据的列。

默认情况下，JMP 将删除除拆分规范中选择的列之外的所有列。 对于这个例子，保留有关受试者和实验组的信息是有意义的。

1. 所以点击旁边的按钮保留全部在下面其余的列如图4所示。 该对话框还提供了重命名新宽表的选项。
2. 完成如图所示的对话框，然后单击创造。

Figure 4: Split Table dialogFigure 4: Split Table dialogFigure 4: Split Table dialogFigure 4: Split Table dialog图 4：拆分表对话框该命令的结果如图 5 所示。 这几乎给我们带来了一个完整的循环，除了 JMP 按字母顺序排列拆分列的顺序之外。 因此，与图 1 相比，测试后数据现在是第三列而不是第四列。 您在使用时需要注意这一点配对配对样本平台t - 检验或置信区间。自 JMP 13 以来，配对平台是其中分析 > 特殊建模选项。 资深 JMP 用户之前曾在分析菜单。

 

 

Figure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide FormatFigure 5: The Experimental Data after Split to Wide Format图5：分割为宽格式后的实验数据

 

这篇文章的内容是我的书第七章的摘录，准备数据以使用 JMP 进行分析，您将在其中找到更多使用表格的技术以及更多数据清理技巧。

参考

• Grace-Martin, K. (2015)“重复测量数据的宽长数据格式”，可访问http://www.theanalysisfactor.com/wide-and-long-data/ 。
• SAS 研究所 (2016a) JMP 13 拟合线性模型。 北卡罗来纳州卡里：SAS Institute Inc.
• SAS Institute Inc. (2016b)“样本 30584：分析 JMP 软件中的重复测量”可访问http://www.jmp.com/support/notes/30/584.html 。

宽数据表和长（或窄）数据表有什么区别？ 我应该关心吗？ 我什么时候想使用其中一种而不是另一种，如何从一种转换为另一种？