Hier sind drei Möglichkeiten, gruppierte Balkendiagramme zu erstellen JMP . Ich habe dies in Kapitel 5 meines Buches besprochen Biostatistik mit JMP , und einer der Wege ist einem aktuellen sehr ähnlich Beispiel gezeigt von @XanGregg . Abhängig von der Geschichte, die Sie erzählen, können jedoch zwei Erweiterungen des einfachen gruppierten Balkendiagramms wichtig sein, und genau darauf gehen wir hier ein.
Die drei Ansätze, die wir uns hier ansehen, sind: 1) Clustering nach Gruppe (wie im gezeigt). Aktuelles Beispiel ), 2) Clustering nach Variablen und 3) gruppierte Balkendiagramme mit Datenpunkten. Zur Sicherheit fügen wir in den ersten beiden Balkendiagrammen auch Fehlerbalken hinzu; Aufgrund von Unordnungsproblemen werden im dritten Balkendiagramm die Fehlerbalken nicht angezeigt.Für dieses Beispiel verwenden wir die Fisher Iris-Daten, die Sie unter laden können Hilfe > Beispieldaten > Eine alphabetische Liste aller Beispieldatendateien anzeigen und Auswahl der Iris Datei.
Wie man all dies in JMP bewerkstelligen kann, kam mir während einer praktischen Arbeit in den Sinn, und es ging darum, sich daran zu erinnern, wie man Daten effektiv organisiert.@Bill_Worley konnte helfen, dem, was mir fehlte, den letzten Schliff zu geben (jeder braucht irgendwann Hilfe von den Meistern). Unnötig zu erwähnen, dass der Prozess in JMP ist viel einfacher und schneller zu erreichen als in MATLAB.
Clustering nach Gruppe
Die Clusterbildung nach Gruppen ist die einfachste Methode und wurde von Xan Gregg vorgestellt Beispiel .Hier betrachten wir die Datentabelle so wie sie ist.Wir können nach Gruppen gruppieren über Graph Builder oder Diagramme , aber wir werden uns darauf konzentrieren Graph Builder da es sehr vielseitig ist und die nächste Annäherung erleichtert.
Ziehen Sie im Graph Builder die vier Datenspalten (Kelchblattlänge, Kelchblattbreite, Blütenblattlänge und Blütenblattbreite) auf Y. Ziehen Sie als nächstes die Gruppe (Arten) auf X. Klicken Sie auf das Balkendiagramm-Symbol
.Wir fügen auch Konfidenzintervalle über das Dropdown-Menü der Fehlerleiste hinzu. Sobald wir mit dem Aussehen zufrieden sind, können wir es nicht mehr tun Dann klicken Sie Erledigt . Wir sehen nun ein Ergebnis, genau wie das unten gezeigte und das zuvor gezeigte.
Fisher Iris Variables, Grouped By SpeciesFisher Iris Variables, Grouped By SpeciesFisher Iris Variables, Grouped By SpeciesFisher Iris Variables, Grouped By SpeciesFisher-Iris-Variablen, gruppiert nach Arten
Was aber, wenn Sie daran interessiert sind, dass die mittlere Antwort einer Variablen je nach Gruppe unterschiedlich ist? Was wäre zum Beispiel, wenn wir sehen wollten, wie sich die Kelchblattlänge zwischen den Arten unterscheidet? Es wäre sehr schwierig, die obige Tabelle zu verwenden. Daher müssen wir die Variablen für viele solcher Vergleiche gruppieren.
Clustering nach Variable
Leider sind die Daten nicht so eingerichtet, dass sie sofort nach Variablen gruppiert werden können.Dazu benötigen wir eine Datenvariable, die die Gruppe (in diesem Fall die Art) angibt, und eine Datenvariable, die den Variablennamen angibt. Wir haben einige Möglichkeiten, dies zu tun. Wir könnten es versuchen Tabellieren , aber wir könnten anhand des Ergebnisses keine Fehlerbalken hinzufügen. Also erstellen wir eine neue Datentabelle mit Stapel Funktion. Wir werden alle Datenspalten stapeln, aber nicht die Arten.
Stacking DataStacking DataStacking DataStacking DataDaten stapeln
Jetzt haben wir eine Datentabelle mit drei Spalten: Art, Bezeichnung (die Namen der Datenvariablen) und die Daten selbst. Die Datentabelle ist jetzt 600 Zeilen lang, da es bei Fisher Iris drei Arten mit jeweils 50 Beobachtungen für die vier Variablen gibt.
Stacked Data TableStacked Data TableStacked Data TableStacked Data TableGestapelte Datentabelle
Um das Diagramm zu erstellen, nach dem wir gesucht haben, kehren wir zu zurück Graph Builder, und jetzt ziehen wir Daten auf Y, Label (das die ursprünglichen Variablennamen enthält) auf X und Species auf Overlay.Wir fügen erneut Konfidenzintervalle über das Dropdown-Menü „Fehlerleiste“ hinzu. Wir können es nicht Dann klicken Sie Erledigt sobald wir mit dem Diagramm zufrieden sind . Das Ergebnis zeigt nun dieselben Daten wie zuvor, jedoch mit einer Darstellung, die in manchen Situationen nützlicher sein könnte.
Fisher Iris Variables, Grouped By VariableFisher Iris Variables, Grouped By VariableFisher Iris Variables, Grouped By VariableFisher Iris Variables, Grouped By VariableFisher-Iris-Variablen, gruppiert nach Variable
Gruppierte Balkendiagramme mit Datenpunkten
Für eine vollständige Offenlegung von Datenbereichen kann es hilfreich sein, die tatsächlichen Datenpunkte anzuzeigen. Allerdings können wir die Fehlerbalken nicht gleichzeitig anzeigen; es würde zu überladen aussehen.
Um ein Balkendiagramm zu erstellen, bei dem Punkte die Balken überlagern, fahren wir mit dem Beispiel der Clusterung nach Variablen fort.Im Graph Builder müssen wir sowohl Balkendiagramme als auch Punkte aktivieren. Da die Balken bereits eingeschaltet sind, müssen wir die Weichen einschalten. Wir können dies tun, indem wir die Umschalttaste gedrückt halten und die Punktetaste drücken. Jetzt sehen wir, dass die Punkte alle nur auf einem der Balken ausgerichtet sind. Wir können JMP mitteilen, welche Punkte zu welchen Balken gehören, indem wir die Spezies auf X ziehen. Allerdings ist die Gruppierung jetzt nicht mehr die, die wir vorher hatten. Wir können dies beheben, indem wir Label erneut auf X ziehen.Meistens ist es diese Grafik, die wir sehen wollen.
Allerdings sind die X-Beschriftungen ziemlich unübersichtlich, da wir drei verschachtelte Ebenen haben, die wir nach Art und Beschriftung gruppieren können. Wir können dies beheben, indem wir etwas ändern Achseneinstellungen und entklicken Markierungsbeschriftungen anzeigen auf den überflüssigen Etiketten. Für den letzten Schliff können wir die Balken leicht transparent machen, um die Punkte besser darzustellen. Wir können dies tun, indem wir mit der rechten Maustaste auf den Eintrag jedes Balkens in der Legende klicken und den Eintrag ändern Transparenz Wert (von 1,0 bis 0,3 in diesem Beispiel). Das Ergebnis zeigt nun dieselben Daten wie zuvor, jedoch mit einer weiteren Darstellung, die möglicherweise nützlicher ist.
Showing Original Data Points when Clustering by VariablesShowing Original Data Points when Clustering by VariablesShowing Original Data Points when Clustering by VariablesShowing Original Data Points when Clustering by VariablesBeim Clustering nach Variablen werden Originaldatenpunkte angezeigt
