Herzlich willkommen! Mein Name ist Nathan Clark. Ich arbeite bei IDEXX Laboratories. Ich verwende JMP seit 22 Jahren und werde heute einen Vortrag über das Tabellenmenü halten. Das Tabellenmenü ist meiner Meinung nach eine der besten Neuerungen von JMP – Wortspiel beabsichtigt! Es bietet Ihnen die Möglichkeit, Ihre Daten so flexibel zu manipulieren, zu bearbeiten und zu optimieren, dass viele weitere Analysen möglich sind. Wenn Sie das Tabellenmenü beherrschen, sind Sie um einiges besser aufgestellt, als wenn Sie auf altmodische Weise Daten kopieren und einfügen müssen.
Ich möchte heute mit Ihnen darüber sprechen, wie ich das Menü „Tabellen“ verwende, welche Fallstricke mir im Laufe der Jahre aufgefallen sind, wenn man versucht, sich an die Verwendung zu gewöhnen, und vielleicht auch ein paar Tipps und Tricks dazu geben. Damit legen wir los. Wir öffnen die beliebte große Klasse aller mit ein paar von mir vorgenommenen Änderungen. Wir beginnen ganz oben im Menü „Tabellen“ mit der Zusammenfassung.
„Zusammenfassung“ dient, wie zu erwarten, für zusammenfassende Statistiken. Wenn Sie es öffnen, stehen Ihnen verschiedene Optionen zur Verfügung. Wenn Sie eine Antwortvariable wie die Körpergröße auswählen, können Sie einen Mittelwert und eine Standardabweichung berechnen. Für alle Tabellenmenüpunkte wird eine Vorschau angezeigt. Das ist phänomenal. Ich kann gar nicht genug betonen, wie großartig es ist, diese Funktion hier zu haben, denn so können Sie schnell einen Blick auf die Tabelle werfen.
Sie sehen, dass ich eine Zusammenfassung habe. Sie hat 42 Zeilen, einen Mittelwert und eine Größe. Alles andere wird hier nicht berücksichtigt. Dies würde den Gesamtmittelwert und die Gesamtstandardabweichung für alle Daten darstellen. Wenn ich das aufteilen möchte, kann ich es einfach in den Gruppierungsbereich ziehen. Jetzt habe ich einen männlichen und weiblichen Mittelwert und eine Größe.
Dies ist, so würde ich sagen, der Hauptzweck der Zusammenfassung. Wenn Sie auf „OK“ klicken, erhalten Sie Ihre Zusammenfassung. Anschließend können Sie hier Statistiken aus dieser Hotspot-Spalte hinzufügen. Wenn Sie etwas vergessen haben und beispielsweise auch den Mittelwert des Gewichts hinzufügen möchten, klicken Sie auf „OK“, um es hinzuzufügen.
Das ist wirklich cool. Ich benutze es oft. Hier ist ein Hinweis, dass diese Funktionen gesperrt sind. Das bedeutet, dass ich sie nicht bearbeiten kann. Wenn ich versuche, eine andere Zahl einzugeben, erhalte ich hier eine Benachrichtigung. Ich nutze es also für meine Zusammenfassungen und Statistiken, aber ich nutze es auch für andere Dinge. Wir schließen das. Ich öffne es wieder und zeige ein paar andere Dinge.
Sie haben gerade gesehen, dass ich die Sperrung dieser Spalten erwähnt habe. Wenn Sie dieses Kontrollkästchen deaktivieren, werden diese Spalten zwar nicht gesperrt, aber auch nicht mit den Daten verknüpft. Dies erleichtert einige der Dinge, die wir gleich sehen werden.
Während ich in diesem Abschnitt bin, möchte ich auch auf zwei Felder hinweisen, die Sie häufig im Menü „Tabellen“ sehen. „Dialogfeld geöffnet lassen“. Wir lassen dieses Feld auch geöffnet, nachdem ich auf „OK“ geklickt habe. So können Sie schnell mit verschiedenen Ideen experimentieren. Wenn Sie dann ein Skript in der Quelltabelle speichern, enthält die erstellte Tabelle nicht nur ein Skript und dessen Erstellung, sondern dasselbe Skript wird auch in diesem Bereich der Tabelle gespeichert, aus der die Tabelle stammt. Das ist meiner Meinung nach eine wirklich tolle Sache, die vor etwa einer Version herauskam.
Jetzt gehe ich genauer darauf ein, wofür ich die Zusammenfassung verwende: Ich vertiefe mich in die Daten und untersuche sie in verschiedene demografische Merkmale. Wenn ich beispielsweise hier nur auf „Geschlecht“ gehe und dies in die Gruppierung einfüge, mache ich hier nichts mit den Statistiken. Ich erhalte trotzdem eine Tabelle. Diese Tabelle enthält die Aufschlüsselung und die Anzahl der Zeilen. Wenn ich auf „OK“ klicke, wird hier eine Tabelle angezeigt. Da sie verknüpft ist, werden beim Durchklicken alle für mich interessanten Daten ausgewählt.
Dies ist eine großartige Möglichkeit, Ihre Daten zu untersuchen, um Teilmengen zu erstellen (darüber sprechen wir später) und andere Aspekte Ihrer Daten zu verstehen. Wir werden das hier noch einmal genauer betrachten. Wenn ich hier nach Namen gehe, sehen Sie eine Aufteilung nach Geschlecht und dem zugehörigen Namen. Wie Sie sehen, sind hier einige dieser N Zeilen tatsächlich eins.
Ich werde hier in der Zusammenfassung darauf eingehen, aber es ist auch für viele andere Plattformen, über die wir sprechen werden, wirklich wichtig, insbesondere wenn Sie Fehler beheben müssen, weil in Ihren Daten etwas nicht ganz richtig aussieht. Das ist die Idee der Einzigartigkeit.
Bei jeder Tabelle, mit der Sie arbeiten, sollten Sie immer in der Lage sein, zu erkennen, welche Spalten in verschiedenen Kombinationen unterschiedliche Eindeutigkeitsgrade erreichen können. Wenn ich beides entferne, beginnen wir mit dem, worüber ich spreche. Wenn wir zum Namen gehen, der unserer Meinung nach im Allgemeinen ein ziemlich eindeutiger Bezeichner ist, können wir hier nach Namen gruppieren.
Wenn wir durchblättern, sehen wir, dass die meisten eins sind. Hier unten sehen wir Robert und Pat, denen jeweils zwei Zeilen zugeordnet sind. Der Name allein reicht in diesem Datensatz nicht aus, um eindeutig zu sein, daher müssen wir weitere Spalten hinzufügen. Vielleicht können wir ein Gefühl dafür bekommen, wenn wir das Geschlecht hinzufügen.
Wir haben immer noch viele N Zeilen gleich eins, wir erhalten Eindeutigkeit, aber hier unten haben wir immer noch zwei Roberts, ein Mann, dem zwei Zeilen zugeordnet sind. Das bedeutet, wir müssen noch eine weitere Spalte hinzufügen, um die benötigte Eindeutigkeit zu erreichen. Ich reduziere das Alter. Jetzt sehen wir, dass unsere Daten vollständig eindeutig sind, eins ist durchgehend.
Die Vorschau ist eine hervorragende Möglichkeit, dies zu überprüfen. Wenn Sie weitere Daten haben, die gut in die Vorschau passen, können Sie jederzeit auf „OK“ klicken oder den Dialog „Geöffnet lassen“ verwenden, um die Vorschau fortzusetzen. Beim Umgang mit Daten ist es sehr wichtig zu wissen, was sie eindeutig macht, und manchmal Spalten hinzuzufügen, um Dinge eindeutig zu machen, wenn sie nicht von vornherein eindeutig sind. Dies spielt eine Rolle, wenn wir mit einigen der anderen Möglichkeiten experimentieren, die wir im Folgenden untersuchen werden.
Apropos, wir gehen direkt zur Subset-Plattform. Diese ermöglicht es uns, die Daten wie vorgeschlagen zu subtrahieren. Sie können alle Zeilen, die ausgewählten Zeilen, bearbeiten. Sie können nach Zeilen filtern. Auf diese Weise können Sie die Daten auch mit der ursprünglichen Datentabelle verknüpfen. Ich werde hier jedoch noch etwas anderes tun, das meiner Meinung nach etwas schneller und einfacher ist. JMP unterstützt Sie auch basierend auf dem tatsächlichen Tabelleninhalt. Wie immer hilft Ihnen die Vorschau dabei.
Wenn ich hier gehe, kann ich auf M klicken, mit der rechten Maustaste „Übereinstimmende Zellen“ auswählen. Alle meine Ms sind ausgewählt. Wenn ich dann zu Tabellen und Teilmengen gehe, sehe ich, dass es automatisch … Angenommen, ich möchte die ausgewählten Zeilen bearbeiten. Ich könnte alle Spalten bearbeiten, ich könnte ausgewählte Spalten bearbeiten, wobei derzeit „Geschlecht“ eine ausgewählte Spalte ist, oder ich behalte es bei „Alle Spalten“.
Das Kopieren und Unterdrücken von Formeln dient der Übersichtlichkeit. Sie werten Formeln nur aus, wenn Sie wirklich daran interessiert sind. Mit einem Klick auf OK erhalten Sie eine Teilmenge. Diese Teilmenge ist nicht mit den Daten verknüpft. Sie können hier herumklicken. Dies ist die eigenständige Tabelle.
Wenn Sie eine verknüpfte Teilmenge wünschen, können Sie hier oben zu „Teilmenge“ gehen. Wir rufen die Daten erneut auf, klicken hierauf und dann auf „OK“. Die Daten sind nun verknüpft. Das sind allerdings einige Klicks mehr, als ich eigentlich möchte. Normalerweise klicke ich mit der rechten Maustaste, wähle „Übereinstimmende Zellen“ und gelange zur gewünschten Auswahl. Dafür gibt es mehrere Möglichkeiten. Hier unten sehen Sie, dass wir 23 Zeilen ausgewählt haben. Wenn ich hier mit der rechten Maustaste klicke, gelange ich zur Datenansicht. Sie erhalten sofort eine verknüpfte Teilmenge.
Sie haben nicht die Möglichkeit, nur die ausgewählten Spalten anzuzeigen. Diese Datenansicht zeigt immer alle Spalten an, aber ich verwende sie ständig. Wenn ich beispielsweise eine Zeile oben und eine Zeile unten in einem hier ausgewählten Datensatz habe und beide nebeneinander sehen möchte, werden sie in der Datenansicht angezeigt, sodass ich sie sofort betrachten und erkennen kann, was vor sich geht.
Ich liebe diese Funktion und nutze sie sehr oft. Beachten Sie jedoch, dass bei der Verwendung der Datenansicht, da diese mit dem Datensatz verknüpft ist, Änderungen in der Datenansicht berücksichtigt werden. Ich habe hier beispielsweise „Tim“ markiert. Wenn ich das in ein kleines „M“ ändere, wird das in der Tabelle selbst berücksichtigt. Seien Sie vorsichtig, wenn Sie diese Funktion verwenden, denn wenn Sie sie wie eine eigenständige Teilmenge behandeln, ändern Sie möglicherweise Ihre Hauptdaten.
Sie können dies zu Ihrem Vorteil nutzen. Wenn ich alle diese Ms, die ohne die Tabelle gemischt sind, in Kleinbuchstaben ändern müsste, könnte ich einfach das erste in ein kleines M ändern, dann mit der rechten Maustaste klicken und bis zum Ende der Tabelle füllen, und nun sind alle Ms klein. Das kann eine wirklich nützliche Möglichkeit sein, eine Menge Daten zu korrigieren oder Ihre Daten auf andere Weise zu erweitern. Das sollten Sie beachten, wenn Sie Ihre Daten verwenden und damit herumspielen. Es ist eine phänomenale Funktion, wenn Sie sich mit Ihren Daten beschäftigen und verschiedene Dinge tun.
Sortieren ist genau das, was der Name verspricht. Es ist leistungsstark, aber einfach – eine großartige Plattform. Sie können sortieren. Wir sortieren hier nach Namen. Sie sehen, dass die Sortierung sofort aufsteigend beginnt. Mit einem Klick können Sie die Sortierung auf absteigend umstellen. Sie können weitere Elemente hinzufügen, und die Sortierung erfolgt. Sie können dies auch aufsteigend oder absteigend tun, und Sie können dies mit so vielen Spalten tun, wie Sie benötigen. Wenn Sie auf OK klicken, erstellt JMP eine neue Spalte.
Ich finde das sehr nützlich, insbesondere bei großen Datensätzen. Ich glaube, ich weiß, wie ich die Dinge sortieren möchte. Es sieht so aus, wie ich es mir vorstelle, wenn das Aussehen wichtig ist. Ich möchte es auch nicht durcheinanderbringen und mich anstrengen müssen, um wieder zur aktuellen Tabelle zu gelangen. Dadurch habe ich eine komplett separate Tabelle.
Ich mache das oft so: Ich schaue mir die Tabelle an und frage mich: „Ist das das, was ich sehen will? Ist das mein Endziel?“ Dann schließe ich sie. Wenn es das ist, was ich will, gehe ich zurück ins Sortiermenü. Ich rufe die Tabelle ab und ersetze sie. Dadurch habe ich die Haupttabelle sortiert und kann die Anzahl meiner Tabellen auf ein Minimum reduzieren.
Es ist wirklich schön, dass Sie diese Möglichkeit haben. Ich mache das oft, um die Tabelle zu erstellen. Dann gehe ich zurück und ersetze die Tabelle, um sicherzustellen, dass die Dinge, die ich mit meiner Haupttabelle mache, meinen Wünschen entsprechen, insbesondere wenn ich viele Daten mit vielen Spalten habe, die nicht nur unübersichtlich und schwer zu durchforsten sind.
Als nächstes beschäftigen wir uns mit dem Stapeln. Stapeln ist hier wirklich cool. Ich habe hier eine spezielle Tabelle, mit der wir experimentieren können. „Stack“ ist von Natur aus genau das, was der Name sagt. Es nimmt Spalten und stapelt sie. Wenn ich in Tabellen auf „Stack“ gehe, kann ich diese drei roten Spalten nehmen und sie übereinander stapeln.
Klicken wir hier einfach auf „OK“, um es anzuzeigen. Jetzt werden die Beschriftungen „Lesen 1“, „2“ und „3“ sowie die zugehörigen Daten in den ursprünglichen Spalten bzw. die ursprünglichen Werte angezeigt. Das ist großartig.
Ich verwende diese Funktion häufig, wenn ich viele horizontale Daten habe und sie vertikal anordnen muss. Stack erledigt all dies, und zwar unabhängig von der Tabellenstruktur, was ich auch sehr gut finde. Es behält die korrekte Beziehung innerhalb der Tabelle bei. Diese Daten sind allerdings etwas Besonderes und nutzen einen Vorteil, den ich häufig nutze: Wenn Sie verschiedene Datengruppen haben, die alle gestapelt, aber auf eine bestimmte Weise organisiert werden müssen.
In diesem Fall habe ich drei Wellenlängendaten: 405, 357 und 680. Jedem davon ist ein Lesevorgang zugeordnet. Anstatt meine Lesevorgänge einfach zu stapeln, muss ich ihre Zuordnung zu den richtigen Wellenlängen beibehalten. JMP ermöglicht dies durch Stapeln. Wir öffnen das Stapelmenü.
Wir stapeln alle sechs Spalten, und JMP ordnet sie anschließend übersichtlich an. Was wir bisher gemacht haben, sehen Sie in der Vorschau. JMP hat sie nicht übersichtlich angeordnet. Sie haben das gemacht, was ich Ihnen gerade gezeigt habe. Sie haben alle Spalten in zwei Spalten gestapelt, was bei diesen Daten nicht erforderlich ist.
Wir aktivieren hier unten das Kontrollkästchen „Mehrere Reihen stapeln“. Das ist wirklich toll. Sie sehen bereits einige der Änderungen, die JMP vornimmt und ausgibt. Es setzt die Standardeinstellung von zwei Reihen ein. Genau das wollen wir hier: zwei Reihen, denn wir benötigen eine Spalte für die Wellenlänge und dann eine Spalte für die zugehörigen Datenwerte. Daher stammen die zwei Reihen. Hätten wir drei Dreiergruppen, wären das drei Reihen, um diese Informationen zu erhalten.
So gelassen ich auch über diesen Stapel mehrerer Serien spreche: In neun von zehn Fällen klicke ich beim Erstellen meines Stapels falsch auf eine Schaltfläche und die Daten sehen nicht so aus, wie ich es möchte. Probieren Sie es aus und gewöhnen Sie sich daran. Wichtiger als auswendig zu lernen, wie es geht, ist, sich klarzumachen, wie Ihre Daten aussehen sollten. So können Sie experimentieren und Anpassungen vornehmen, wenn etwas nicht ganz stimmt.
Eine dieser Optionen befindet sich oft hier unten mit der Schaltfläche „Benachbart“. Die Schaltfläche „Benachbart“ teilt JMP mit, wie die Spalten in diesem Fenster angeordnet sind – nicht in der Datentabelle, sondern in diesem Fenster. Das vergesse ich oft, wenn ich diese durchgehe. Denn wir haben Wellenlänge1, Wellenlänge2, Wellenlänge3 und dann die drei Messwerte, die sich für die beiden Reihen berühren. Das sind zusammenhängende Daten.
Sie können hier in der Vorschau sehen, dass JMP es automatisch korrigiert hat, damit es etwas normaler aussieht. Wenn es Wellenlänge1, Read1, Wellenlänge2, Read2, Wellenlänge2, Read3 wäre, so … Eigentlich werde ich diese entfernen und Wellenlänge1, Read1, dann 2, 2, 3, 3 aufrufen. Sie sehen jetzt, dass die Daten mit dem aktivierten Kontrollkästchen „Benachbart“ nicht gut aussehen, deshalb deaktiviere ich das Kontrollkästchen. Die Organisation der Daten in diesem Fenster und die Verwendung dieser Schaltfläche sind miteinander verknüpft, um zu den gewünschten Daten zu gelangen.
Wir klicken auf OK. Sie sehen, dass die Daten gut aussehen. Sie können eine Stichprobe durchführen, wie wir es bei Probe 1 tun. Wir haben 9,83 und 141. Das sieht gut aus. Sie werden immer noch ein paar andere Stichproben durchführen. Sobald das erledigt ist, brauchen wir das nicht mehr unbedingt. Wir benennen diese Wellenlänge um und können diese Spalte entfernen. Wir können „Reed“ oder „Read“ mit einem A umbenennen und mit der rechten Maustaste klicken, um diese Spalte zu löschen. Jetzt haben Sie Ihre gestapelten Daten entsprechend organisiert.
Das ist wirklich praktisch, wenn Stack vorhanden ist. Ich möchte Sie auf ein paar Dinge im Menü hinweisen, die Sie zu Ihrem Vorteil nutzen können. Sie können die Daten und Beschriftungen hier vor dem Start umbenennen. Sie können alle Spalten löschen, behalten oder eine Auswahl treffen. Außerdem erhalten Sie beim Durchgehen die Informationen, wo Sie die Daten- und Beschriftungsspalten platzieren möchten, damit die Daten Ihren Wünschen entsprechen.
Als Nächstes gehen wir zu „Split“. „Split“ ist das Gegenteil von „Stack“. Es ist eine der leistungsstärksten Plattformen, aber auch eine der schwierigsten, die man sich erst aneignen muss. Wir zeigen Ihnen hier, warum und wie Sie darauf achten, was Sie sehen möchten. Die einfachen Dinge sind die, die diese darstellen. Die geteilte Spalte oder die Spalte, die Sie aufteilen möchten, enthält die Antwortdaten, die Sie in den Zellen behalten möchten. In diesem Fall wählen wir „Lesen“.
„Aufteilen nach“ ist die Spalte, nach der die Reads einzeln aufgeteilt werden, in diesem Fall nach der Wellenlänge. Sie gibt uns einen Überblick über die Daten in der Vorschau. Je nach Datenmenge in der Tabelle haben wir die Wahl zwischen „Alle behalten“ und „Alle löschen“. Wir klicken auf „OK“ und sehen, dass JMP gute Arbeit geleistet hat: 357 ist 0,83, 405 ist 9 und 141. Es sieht so aus, als hätte JMP genau das getan, was wir brauchten. Gute Arbeit, JMP.
Ich möchte anmerken, dass hier eine sehr wichtige Information vergessen wurde, die den Eindruck erweckt, die Aufteilung sei einfach. Sobald die Daten jedoch etwas komplizierter sind, wird es zu einem Problem, weil die Benutzer dann Daten sehen, die sie nicht sehen wollten, und es für sie eine große Frustration bedeutet, die Aufteilung richtig hinzubekommen.
Es geht zurück auf das, was ich in der Zusammenfassung besprochen habe, nämlich Einzigartigkeit – das Verständnis dafür, was Ihre Daten einzigartig macht, um zu verschiedenen Antworten zu gelangen. In diesem Fall wäre „Sample“ eine naheliegende Wahl, da alle hier nach Sample gruppiert sind. JMP hat es auf magische Weise – ich sage nicht „magisch“ – mit seinen internen Algorithmen richtig verstanden, wie ich es wahrscheinlich basierend auf der Organisation haben wollte.
Aber nehmen wir an, es ist nicht so. Ich füge hier einfach eine kurze Spalte mit einigen Zufallszahlen ein und sortiere nach diesen Zufallszahlen, um die Organisation vollständig aufzulösen. Wenn ich jetzt wieder in die Aufteilung gehe, klicke ich auf „Abrufen“ und sehe, dass das hier steht. Ich sehe aber automatisch, dass JMP diese Informationen enthält, siehe 99,63, aber dann ist es wie eine 128, die hier unten steht.
Offensichtlich stimmt etwas nicht unbedingt mit dem aktuellen Stand überein. Das führt zu Frustration. Manchmal ist es sehr aufwendig, die Gründe dafür zu verstehen. Hier kommt die Gruppierung ins Spiel. Gruppieren Sie nach allen Spalten, die für die Eindeutigkeit der Aufteilung erforderlich sind.
Wenn ich in diesem Fall nach Stichprobe gruppiere, ist plötzlich alles wieder in Ordnung, da JMP nun explizit erkennt, dass die Messwerte in dieser Tabelle nach Stichprobe gruppiert werden müssen, da sie inhärent miteinander verbunden sind. Bei einer großen Klasse wären es Name, Alter und Geschlecht, nach denen wir zuvor gesucht haben, um diese Eindeutigkeit zu gewährleisten.
Ihre Daten unterscheiden sich je nach Komplexität. Behalten Sie jedoch immer im Hinterkopf, dass Sie dieses Maß an Eindeutigkeit erreichen können. Ich habe nicht festgestellt, dass Sie bei der Aufteilung eine Übergruppierung vornehmen können. Wenn Sie wissen, dass eine Spalte betroffen ist, können Sie diese gerne hinzufügen, auch wenn sie mit Ihrer Gruppierung möglicherweise überdimensioniert ist. Es ist besser, eine Übergruppierung vorzunehmen und dennoch Ihre Eindeutigkeit zu wahren, als eine Untergruppierung vorzunehmen, bei der Dinge fehlen.
Achten Sie bei der Aufteilung auf die Anzahl der Zeilen, um den Erfolg zu ermitteln. Wenn ich mit 300 Zeilen beginne, die Daten relativ ausgeglichen sind und jede Probe drei Wellenlängen hat, sollte ich bei der Aufteilung etwa 100 Zeilen erhalten. Wenn Sie eine ungewöhnliche Zeilenanzahl erhalten, liegt das wahrscheinlich daran, dass JMP zwar sein Bestes gegeben hat, aber nicht die exakte Anordnung gefunden hat, die für die gewünschte Darstellung erforderlich war.
Das ist ein Hinweis darauf, dass Sie etwas wahrscheinlich nicht ganz erfolgreich gruppiert haben. Achten Sie darauf und nutzen Sie dies zu Ihrem Vorteil, um ein Gefühl dafür zu bekommen, ob Ihre Daten richtig aussehen. Sie müssen also nicht 10.000 Datenzeilen stichprobenartig überprüfen. Sie können ein paar, drei Stichproben machen, um sich damit vertraut zu machen und dann weiterzumachen. Wenn Sie diese Dinge tun, wird das Aufteilen zur Selbstverständlichkeit und funktioniert bei Ihrer täglichen JMP-Arbeit sehr gut.
Aus Zeitgründen werde ich nur kurz auf das Transponieren eingehen, auch weil ich es nicht sehr oft benutze. Ich habe ein paar Kollegen getroffen, die es oft verwenden. Im Grunde genommen ermöglicht Transponieren, Dinge, die so organisiert sind, einfach umzudrehen. Das ist in gewissem Maße nützlich. Ich benutze es nicht sehr oft. Ich denke, in manchen Fällen habe ich Glück, dass meine Daten im Allgemeinen nicht so chaotisch organisiert sind.
Ich möchte Ihnen den Dialog zeigen, da hier Eindeutigkeit und Gruppierung mit diesem Label und diesem By eine Rolle spielen. So können Sie JMP bei der Transponierung Ihrer spezifischen Anrufprobleme die Organisation der Daten mitteilen. Wenn Sie verstehen, wie Ihre Daten eindeutig organisiert sind, profitieren Sie von deutlich mehr Leistung auf dieser Plattform.
Weiter zu Join. Join ist ebenfalls eine sehr gute und leistungsstarke Funktion. Wir besprechen einige dieser Punkte und kommen dann zum Beispiel. Wenn Sie Join öffnen, beginnt es mit der Tabelle, mit der ich beginne. Dies ist die Tabelle, mit der ich eine Verknüpfung herstellen möchte. Ich wähle hier die Tabelle aus, mit der ich eine Verknüpfung herstellen möchte, und dann geht es hier weiter. Wir sehen einige Spalten und hier habe ich einige Optionen, insbesondere wie ich meine Verknüpfungen durchführen möchte.
Wir greifen hier auf eine modifizierte Big Class zurück. Ich habe eine weitere Tabelle, die eine erweiterte Big Class ist. Im Grunde habe ich eine ganze Reihe weiterer Namen, Alter und Geschlechter, aber hier habe ich Herzfrequenz und BMI. Ich möchte diese Informationen zusammenführen. Ich gehe zu meiner ursprünglichen Tabelle und gehe zum Join. Hier ist meine Big Class. Ich möchte sie mit meiner erweiterten Big Class verknüpfen. Standardmäßig erfolgt dies über Spaltenabgleich, was, glaube ich, 99,9 % der Joins über Spaltenabgleiche ermöglicht. Anschließend teilen Sie JMP mit, was Sie abgleichen möchten.
Dies bezieht sich auf die verschiedenen Eindeutigkeitsebenen bzw. auf die Ebene Ihrer Eindeutigkeit, über die Sie eine Verknüpfung herstellen möchten. Sie können den Namen in beiden Spalten auswählen und auf „Übereinstimmung“ und „Alter“ klicken. Die Namen müssen nicht identisch sein. Sie teilen JMP mit, welche Namen abgeglichen werden müssen. Es hat nichts mit dem physischen Namen zu tun.
Hier in der Vorschau fällt Ihnen auf, dass es etwas Seltsames und möglicherweise Ärgerliches macht. Hier wird Ihnen jetzt tatsächlich eine Spalte angezeigt. Es trägt den Namen „2025 Discovery Mod Big Class“. Das sehen Sie immer wieder bei Ihren anderen. Jetzt sind alle Ihre Spaltennamen groß und riesig. Das ist praktisch, um Ihre Daten nach dem Join zu überprüfen, kann aber lästig sein, das Problem zu beheben.
JMP bietet hierfür eine Lösung: „Spalten mit gleichem Namen zusammenführen“. Wenn Sie Spalten mit gleichem Namen zusammenführen, deaktivieren Sie die Option „Match“. Sie sehen, dass die Spalten mit gleichem Namen zu einem einheitlichen Erscheinungsbild kombiniert werden. Dies funktionierte sogar, obwohl Name und Name aufgrund der Groß- und Kleinschreibung technisch unterschiedlich sind. JMP hat sie jedoch zusammengeführt, da es erkannt hat, dass sie dort identisch sind. Wenn Sie „Spalten mit gleichem Namen zusammenführen“ aktivieren, wird auch die Option „Match“ aktiviert. So können Sie, wenn etwas im Spiel ist, Abgleiche zwischen den Tabellen durchführen.
Hier unten führe ich häufig Spalten mit gleichem Namen zusammen und füge ein Match-Flag hinzu. Außerdem schließe ich, insbesondere beim ersten Join, Nichtübereinstimmungen aus der Haupttabelle und der Breitentabelle ein. Ich klicke auf „OK“ und zeige Ihnen, warum mir das gefällt: So kann ich die korrekte Organisation meiner Daten überprüfen.
Sie erhalten diese Spalte mit den Übereinstimmungskennzeichen. Wir erweitern sie hier und sehen, dass sie sowohl „main“ als auch „width“ anzeigt. Wenn wir beides auswählen und hier nach unten gehen, stellt dies eine Information dar, die sowohl in der ursprünglichen als auch in der zweiten Tabelle vorhanden war. Sie sehen, dass wir die ursprüngliche Größe und das ursprüngliche Gewicht haben, aber auch die Herzfrequenz und den BMI.
Wenn Sie etwas Wichtiges haben, wählen Sie hier alle aus. Dies ist etwas, das in der ersten Tabelle vorhanden war, aber in der zweiten Tabelle keine Entsprechung hatte. Sie können hier sehen, dass es die Größe, die Körpergröße und das Gewicht enthält, aber keine Herzfrequenz im BMI.
Die Breite ist genau das Gegenteil davon. Es war in der zweiten Tabelle vorhanden, aber in der ersten fehlte etwas. Ich schaue mir die Daten gerne auf diese Weise an, weil ich so doppelt prüfen kann, ob die fehlenden Dinge auch tatsächlich fehlen.
In diesem Fall hatte ich 112 Namen. In der ersten Tabelle sind nur 42. Eine 100%ige Übereinstimmung ist unmöglich. Einige Breiten sind durchaus akzeptabel und sinnvoll, da ich hier Dinge habe, die keine Übereinstimmung haben. Aus diesem Grund sind einige dieser Namen möglicherweise nicht in der erweiterten Liste enthalten, für die wir die zusätzlichen Metriken haben.
Main und Width sind hier, zumindest im Grundkonzept, in Ordnung. Dann werden beide dort ausgerichtet, wo sie zusammenpassen, und Sie können stichprobenartig überprüfen, was Sie erwarten können. Wenn Sie dies mit Daten in der Praxis tun, halte ich dies für besonders nützlich, beispielsweise bei einem Experiment, bei dem Sie etwas auf einer Maschine ausführen und dann auch ein Laufblatt oder etwas haben, auf dem Sie Notizen zu den Korrelationen machen, vielleicht Lauf-IDs oder ähnliches.
Wenn Sie dieses Match gemeinsam durchführen, bedeutet das ganz bestimmte Dinge. Wenn Sie Daten haben, die vom Gerät stammen, aber keine Informationen dazu auf Ihrem Laufblatt haben, oder wenn Ihr Laufblatt Informationen zu einem Lauf enthält, für den Sie keine Daten vom Gerät haben. Bei Fehlern oder Ähnlichem mag das sinnvoll sein, aber es könnte auch ein Übertragungsfehler beim Eingeben einer ID auf dem Gerät oder Ähnliches sein.
Die Möglichkeit, diese Verknüpfungen mit größeren Datensätzen durchzuführen und sofort zu erkennen, wo Ihre Daten übereinstimmen und wo nicht, ist ein absoluter Wendepunkt im Hinblick auf die schnelle Aufschlüsselung und Identifizierung.
Auch hier ist die Anzahl der Zeilen ein weiterer Indikator: 42 Zeilen. Wenn alles perfekt passt, sollte ich nur 42 Zeilen haben. Aber ich habe viel mehr, zum Teil weil ich Breiten habe, die in dieser Tabelle enthalten sind oder nicht, und dann die Hauptleitungen. Wenn Sie das zu Ihrem Vorteil nutzen, können Sie auch erkennen, ob ein Problem vorliegt oder etwas, das Sie genauer untersuchen müssen.
Abschließend noch eine kleine Warnung: Wenn Sie diesen Join durchführen und eine gleichnamige Spalte haben, die aber unterschiedliche Informationen enthält, wird alles gleich bleiben. Wenn ich das so mache und der Einfachheit halber nur das Alter einbeziehe, stelle ich es so ein, dass das Alter immer 89 ist. Aus irgendeinem Grund hat die Tabelle 89 etwas über das Alter dargestellt, und alles wird gleich bleiben.
Wenn Sie diesen Join durchgehen und durchlesen, weiß ich nicht, warum die Vorschau beim Rückruf nicht ganz so angezeigt wird. Ich klicke einfach auf „OK“. Sie sehen, dass das Alter in einigen Fällen überschrieben wurde. Eigentlich war es das nicht. Das ist gut zu sehen. Ich frage mich, ob das neu ist oder ob es nur bei den anderen behoben wurde.
Das habe ich schon einmal erlebt, und ich überschreibe es je nach Bedarf. JMP hat das verbessert, in einigen Fällen hier deutlich. Aber wenn Sie nicht darauf achten, werden wir dies noch einmal überprüfen.
Das schien einen Teil des Problems behoben zu haben, aber es ist etwas, worauf man achten muss, obwohl ich mich frage, wo meine beiden geblieben sind. Das ist ein Nebenproblem, mit dem ich mich nebenbei befassen werde. Das Wichtigste, worauf Sie achten müssen, ist, dass das Alter durch die andere Tabelle dort überschrieben werden kann. Ich sehe das häufig, wenn die Maschinendaten einen Vollzeitstempel haben, aber wie bei einem Laufblattdatum, das eigentlich nur das Datum ist, an dem Sie ausgeführt wurden, können einige Ihrer Daten dort überschrieben werden.
Hier sollten Sie wirklich vorsichtig sein, denn später möchten Sie nicht, dass dies passiert. Was letztendlich passiert, ist, dass Sie vielleicht erwarten, manchmal Angaben in Ihren Daten zu sehen, aber jetzt sind keine vorhanden, weil sie überschrieben wurden. Oder in diesem Fall würden Sie erwarten, einzelne Altersangaben zu sehen, aber jetzt sind plötzlich alle Achtzigjährige.
Das ist weder für die Effizienz noch für den Arbeitsablauf förderlich, insbesondere wenn Sie sieben Schritte zurückgehen müssen, um herauszufinden, wo das Problem lag. Wenn Sie dies im Voraus wissen, haben Sie mehr Entscheidungsfreiheit. Die einfachste Lösung in diesem Fall wäre, den Spaltennamen zu aktualisieren oder ihn ganz zu entfernen, je nachdem, ob er relevant ist oder nicht.
Mir ist erst jetzt klar geworden, warum das passiert ist: Ich habe gerade diese eine Sache aktualisiert. Der Grund: Beim Rückruf stimmte das Alter noch überein, und ich habe das Alter geändert. Das werden wir jetzt entfernen. Sie sehen jetzt, dass bei einigen Ihrer beiden Einträge Überschreibungen stattgefunden haben. Und genau da kann es Ihnen schaden. Die einfache Lösung besteht darin, den Namen zu ändern. Wir gehen alle zurück zu „Join“ und „Recall“. Jetzt sehen Sie, dass das Alter bei einigen fehlt, bei anderen aber vorhanden ist. Bei den anderen steht dann „age_“, um zu zeigen, dass es nicht überschrieben wurde.
So lässt sich das beheben. Es ist etwas, das mich schon oft, oft aus Versehen, überrumpelt hat. Ich mache diesen Fehler nicht mehr. Ich finde ihn einfach schneller und behebe ihn. Machen Sie sich keine Vorwürfe, wenn Ihnen dieser Fehler unterläuft. Es braucht Zeit, sich daran zu gewöhnen, und am Ende hört man selten auf, die Fehler zu machen. Man wird einfach besser darin, sie zu beheben, wenn sie auftreten.
Als nächstes kommt Update. Update ist ein phänomenales Tool. Ehrlich gesagt hatte ich lange Zeit eine Hassliebe dazu, als es zum ersten Mal auf den Markt kam. Das lag an mir, nicht an Update. Es lag an den Annahmen, die Update trifft. Wenn man sie nicht beachtet, können sie einen in die Irre führen. Genau wie beim Überschreiben. Ich lege diese Seite wieder hierher zurück und wir werden …
Anscheinend habe ich das bei „Alles machen“ gemacht, aber so ist es nun. Zurück zu den anderen Altersgruppen. Update ist eigentlich ein Join, erstellt aber keine Tabelle. Wir gehen zu Update, gleiche Grundeinstellung. Jetzt wollen wir mit der erweiterten großen Klasse verbinden. Wir führen unseren Abgleich nach Name, Alter und Geschlecht durch.
In diesem Stadium des Spiels, wie Sie auch in der Vorschau sehen können, trifft JMP einige Annahmen. Es wird nur eine innere Verbindung durchgeführt, d. h. fehlende Werte aus den Tabellen werden nicht berücksichtigt. Es wird nur mit dem abgeglichen, was in der Haupttabelle steht.
Zweitens wurden Spalten mit gleichem Namen standardmäßig zusammengeführt. Wenn Sie darauf nicht vorbereitet sind, kann Ihnen das hier zum Verhängnis werden. Genau das ist mir schon früh passiert, als ich mich an die Funktionsweise von „Update“ gewöhnte und es peinlich lange nicht in meinen Daten fand. Dann musste ich zurückgehen und es beheben.
Wenn Sie das wissen, bietet JMP Ihnen einige zusätzliche Möglichkeiten, mit denen Sie experimentieren können, um die Arbeit etwas zu vereinfachen. Wenn Sie über eine große Datenmenge verfügen oder Bedenken haben, dass Dinge ungewollt überschrieben werden könnten, können Sie steuern, welche Spalten aus der Aktualisierungstabelle übernommen werden. Wenn ich einfach auf „Ausgewählt“ gehe, kann ich beispielsweise nur die Herzfrequenz oder den BMI erfassen und sicherstellen, dass keine dieser zusätzlichen Spalten überhaupt hinzugefügt werden, um ein potenzielles Überschreiben zu riskieren, wenn sie nicht Teil der Verknüpfung sind.
Hier unten platzieren wir Spalten in der Haupttabelle. Ich kann keine auswählen, und dieser harte Stopp verhindert das Überschreiben. Alternativ können Sie in beiden Fällen eine Auswahl zulassen, um dies zu steuern. Wenn Sie sich mit der Verwendung von Update vertraut gemacht haben, ist es eine praktische Funktion, aber es hat seine Nachteile. Ich habe beispielsweise gerade Folgendes ausgeführt und BMI zu dieser Tabelle hinzugefügt. Meine Haupttabelle wurde nun geändert. Wenn das nicht Ihr Ziel ist, ist Update für diesen speziellen Anwendungsfall möglicherweise nicht das Richtige für Sie.
Wenn sich die Leute jedoch daran gewöhnen, mehr mit JMP zu arbeiten und besser darin werden, entsteht normalerweise der Wunsch, weniger Tabellen zu haben und nicht mehr, insbesondere wenn es langweilig wird und sie versuchen, den Überblick über alle von ihnen erstellten Tabellen zu behalten, woher diese Tabelle stammt usw.
Kleine Maßnahmen zur Minimierung der Tabellenanzahl sind sehr hilfreich. In diesem Fall leistet Update hervorragende Arbeit, insbesondere bei drei oder vier Tabellen. Eine weitere Tabelle enthielt weitere Kennzahlen zu Personen. Wenn ich jede dieser Tabellen einzeln verknüpfen müsste, müsste ich drei oder vier weitere Tabellen erstellen, um den Join zu stapeln. Mit Update kann ich alles in einer Tabelle zusammenfassen.
Etwas anderes, worüber wir hier nicht sprechen, das sich aber lohnt, wenn Sie die Möglichkeit dazu haben, ist ein virtueller Join, mit dem Sie mehrere Tabellen miteinander verknüpfen können, ohne dass die Tabellen tatsächlich verknüpft sind. Das ist wirklich cool. Es gab im Laufe der Zeit zahlreiche Präsentationen von JMP-Mitarbeitern und anderen, und es gibt bestimmt auch Webinare, die das genauer erklären. Es ist eine wirklich unterhaltsame Funktion, mit der Sie experimentieren können, wenn Sie Zeit haben. Update führt den Join jedoch in Ihre Haupttabelle ein, und das Ganze sieht wirklich gut aus.
Jetzt beschäftigen wir uns mit etwas viel Einfacherem: der Verkettung. Im Grunde bedeutet Verkettung, Tabellen einfach übereinander zu stapeln.
Genau das tut es. Eigentlich kann ich einfach diesen Discovery-Mod nehmen. Wir gehen zum Verketten. Jetzt listen wir einfach alle Tabellen auf, die wir verketten möchten. Wenn ich hier die erweiterte Klasse „Big“ hinzufügen möchte, werden sie übereinander gelegt. Ich könnte an die erste Tabelle anhängen, um die Anzahl der Tabellen zu minimieren.
Sie können auch eine Quellspalte erstellen. Dies empfehle ich insbesondere, wenn Sie eine separate Tabelle erstellen, da Sie so die Kontrolle darüber haben, woher die Daten stammen. Wenn Sie auf „OK“ klicken, werden Ihre Daten einfach aktualisiert und übereinandergelegt, sodass ich genau sehe, welche Zeilen aus welcher Tabelle stammen. Das funktioniert hervorragend.
Wenn Leute beim Verketten Probleme haben, liegt das meist daran, dass die Daten nicht ganz so aussehen, wie sie es sich wünschen, oder dass sie an der falschen Stelle stehen. In diesem Fall nenne ich das Metrik, oder eigentlich … Ich frage mich, ob es einfach eine andere Art und Weise ist, dasselbe auszudrücken.
Wenn ich die Verkettung durchführe, sehen Sie hier zwei Spalten. Dies ist ein Beispiel, in dem sie sich deutlich unterscheiden. JMP achtet jedoch, zumindest historisch, soweit ich das gesehen habe, auf Groß- und Kleinschreibung oder Tippfehler und ähnliche Dinge, die die Datenorganisation durcheinanderbringen können. Es könnte so etwas sein, wo es nur unterschiedliche Namenskonventionen oder Tippfehler sind, wenn Benutzer möglicherweise Dinge manuell eingegeben haben, die dazu führen, dass Ihre Daten nicht dort landen, wo sie hingehören.
In einem Fall wie diesem, bei dem der BMI (Body-Mass-Index) nur einmal vorkam, sind diese Korrekturen ziemlich einfach. Es gibt einen lustigen kleinen Trick: Wenn Sie auf eine dieser leeren Zellen klicken, mit der rechten Maustaste klicken und „Übereinstimmende Zellen auswählen“ auswählen, werden alle leeren Zellen ausgewählt.
Ich kann diese Auswahl nun umkehren, sodass alle Elemente, die ich hier einfügen möchte, ausgewählt sind. Ich kann sie kopieren und dann einfach die Überschrift dieser Spalte auswählen. Die Auswahl bleibt bestehen. Ich kann sie einfach einfügen und habe den Fehler behoben. Ich kann diese Spalte löschen. Das ist der schnellste Weg.
Wenn dies bei einem Dutzend Spalten auftritt, ist es langsamer und mühsamer. Die beste Lösung, falls es passieren sollte, besteht darin, den Spaltennamen zu korrigieren. Aber auch hier gilt: Je nachdem, was Sie tun und wo Sie sich in einem Prozessschritt befinden, gibt es viele Möglichkeiten. Es gibt keinen wirklich optimalen Weg, dies zu tun.
Aber das ist meiner Erfahrung nach das größte Problem, das viele Leute beim Verketten stolpern lässt: Sie haben viele Spalten und ihre Daten sind dann nicht dort, wo sie hin sollen. Das wird dann zum Problem. Abgesehen davon funktioniert das Verketten aber sehr gut und ist eine großartige Möglichkeit, viele Tabellen schnell in einer Tabelle zusammenzufassen.
Wir nähern uns dem Ende der Zeit. Ich werde hier kurz auf diese eingehen, ohne viele konkrete Beispiele zu nennen, zum Teil, weil ich sie nicht oft genug verwendet habe, um wirklich eine Menge Tipps und Tricks zu entwickeln. Aber ich habe sie oft genug verwendet, um zu wissen, dass sie nützlich sind und es sich lohnt, sie zu untersuchen und damit zu experimentieren.
Mit dem JMP Query Builder können Sie SQL-Abfragen aus mehreren vorhandenen Datentabellen erstellen. Sie können den JMP Query Builder auch mit Datentabellen verwenden, die in Datenbanken außerhalb Ihres Computers gespeichert sind, und diese Daten in JMP importieren. Sie können dies mit den verfügbaren Tabellen kombinieren – das ist wirklich praktisch.
Missing Data Pattern: Ich habe eine Reihe interessanter Präsentationen zu Missing Data Pattern gesehen. Ich selbst habe Missing Data Pattern in meinem Alltag nicht verwendet, zum Teil, weil ich das Glück habe, nicht viele Probleme mit fehlenden Daten zu haben.
Außerdem kam Missing Data Pattern erst viele Jahre später auf den Markt, nachdem ich mich bereits daran gewöhnt hatte, Daten auf eine ganz andere Art und Weise zu analysieren, um herauszufinden, wo meine Missing Data Patterns letztendlich landen könnten. Ich habe Missing Data Patterns einfach noch nicht in mein Arsenal aufgenommen. Ich sage mir immer wieder, dass ich mehr damit experimentieren muss, weil es eine wirklich unterhaltsame Art ist, die Daten zu betrachten, wenn man sieht, wie andere Leute es verwenden.
Datentabellen vergleichen. Das ist die unterhaltsame Funktion, die ich kurz zeigen möchte. Sie können mehrere Tabellen auswählen und vergleichen. JMP versucht, die Namen möglichst genau abzugleichen. Hier sehen Sie, dass dies bereits erledigt ist, und Sie können es korrigieren. Klicken Sie einfach auf „Vergleichen“, um die Unterschiede in der Tabelle anzuzeigen.
Wie ich hier sehe, bin ich mir nicht ganz sicher, was es mir genau anzeigt. Hier muss ich noch etwas experimentieren, um mich besser damit vertraut zu machen. Aber es ist zumindest eine unterhaltsame Möglichkeit, zwei Tabellen zu betrachten und herauszufinden, ob alles gleich ist. Oftmals überprüfe ich, ob ich etwas an den Daten geändert habe, ohne es zu wollen.
Wenn Sie sich mit den Details der Änderungen befassen, kommen viele dieser Optionen ins Spiel. Ich empfehle jedem, damit herumzuexperimentieren und zu sehen, was in den eigenen Anwendungsfällen passiert, denn es ist eine gute Plattform, und ich habe sie noch nicht annähernd so leistungsfähig genutzt. Aber es ist wirklich toll, was JMP uns ermöglicht, und ich hätte sonst keine anderen Möglichkeiten, die ich selbst hätte.
Und schließlich: Anonymisieren, der letzte Punkt auf dieser Liste. Im Grunde wird die Tabelle, die Sie vor sich haben, anonymisiert, wenn Sie auf „OK“ klicken. Niemand weiß, was das bedeutet. Genau darum geht es beim Erstellen von Datentabellen, die keine für andere verständlichen oder verwertbaren Informationen enthalten.
Wenn Sie geschützte Informationen in einer Tabelle haben, aber bei Ihrem Problem die Hilfe von JMP benötigen, können Sie Ihre Tabelle anonymisieren und dann Ihr Problem mit diesen Informationen nachstellen. So können Sie diese sicher mit anderen JMP-Supportmitarbeitern teilen, ohne sich Sorgen machen zu müssen, dass Sie gegen die in Ihrem Unternehmen geltenden Regeln zum Schutz geistigen Eigentums verstoßen, da nun niemand weiß, woher diese Daten stammen und was mit ihnen geschieht.
Das ist eine wirklich interessante Information. JMP ermöglicht es außerdem, dies ziemlich schnell und einfach zu handhaben. Spielen Sie auch damit herum. Es macht wirklich Spaß, Dinge zu erledigen.
Damit sind wir im Grunde am Ende des Tabellenmenüs angelangt. Ich möchte JMP und allen an der Discovery Series Beteiligten für die Gelegenheit danken, denn es macht wirklich Spaß, darüber zu sprechen. Ich denke, es ist etwas, das vielen Menschen auf ihrer JMP-Reise von Nutzen sein wird. Vielen Dank. Das ist alles für heute.
