JMP数据分析论坛
标题: 如何在JMP中快速拆分现有数据集 [打印本页]
作者: admin 时间: 2020-11-4 15:46
标题: 如何在JMP中快速拆分现有数据集
在日常分析数据的过程中，我们往往只需要整个数据集中的一部分，比如只关注一部分观测/行（男性或女性、某个年龄段的患者或者是患有某种疾病的患者）或者一部分变量/列等等这些可以称之为子集的数据集，而拆分原始数据的过程也同时是生成子集的过程。那么在JMP中如何快速拆分这些数据集呢？如何选择符合条件的观测值？如何一键拆分数据为多个子集？JMP中又有哪些简便快捷的随机抽样方法？今天就带大家一起学习数据清洗的一个重要部分——拆分数据的实用技巧，帮助你省时省力地提高分析的准确性。
为了帮助更多的临床医师学习如何运用JMP高效地开展数据分析，提高日常工作和发表论文的效率，2020年8月起，JMP资深用户、JMP特约专栏作者、资深统计学家冯国双博士及其团队将在JMP数据分析平台为大家分享一系列统计及数据分析、JMP实战操作等干货内容，每期一个经典话题，帮助大家掌握一个新技能。值得注意的是，这些话题并非仅针对临床医师，对所有运用JMP软件开展数据分析的小伙伴都适用本文为此系列文章的第四期。
在JMP中，生成子集的菜单位于【表】→【子集】，如图1。
[attach]4684[/attach]
图1 生成子集的主要操作页面
那么具体该如何拆分呢？这个对话框里的每个选项都有何意义？又该如何利用好这些选项呢？我们先从最简单的说起。
01 如果只需要一部分变量（列）比如在下图的数据集里，只需要Y和年龄两个变量（当然实际情况不会是这样，一般情况下，除非变量特别多，都不需要单独把一些变量拎出来），你只需要在数据表上选中你想要的列，多列的时候记得按住Ctrl键，然后打开子集对话框，如图2操作。
[attach]4685[/attach]
图2 将部分列生成新的子集
这样就得到了由所有观测（行）和选定变量（列）组成的新数据集。
然而更多的时候，我们更想选择符合特定条件的观测（行），对变量不做要求，或者是选择一部分观测和一部分变量，那下面的几种拆分行的操作就能派上用场了。
02 如果只需要一部分观测（行）
“选择符合条件的行”这个标题既是我们的目的，又是我们实现目的的操作。比如我们想选择数据集中年龄＞40岁的观测，我们可以通过【行】→【行选择】→【选择符合条件的行】，然后编辑筛选观测的条件，点击确定，数据中符合条件的观测就会被选中。
本例中选中320行观测，如果希望将这些观测生成为新的子集，那么只需要点击【表】→【子集】，不需要做更改（当然，如果你在这之前已经选中了部分变量，那么需要选中【选定列】，而非【所有列】），点击确定即可将选中观测生成新的数据集，如图3。
[attach]4686[/attach]
图3 选择符合条件的行
选择符合多重条件的观测很多时候我们需要选择的观测要满足≥2条规则，比如我们要选择大于40岁的女性，同样的流程，只是在编辑规则时稍稍复杂一点，见图4。条件之间的关系是“和(and)”时，选择【若符合所有条件】，是“或（or）”时，选择【若符合任意条件】。
[attach]4687[/attach]
图4 选择符合多重条件的观测
隐藏不想分析的行上一个方法介绍的是如何将想要的观测生成新数据集，以便我们进行分析。这里介绍如何从另一个角度得到我们想要的行，那就是隐藏掉不想要的行。
同上面讲述的选择行的方法一样，你可以从【选择符合条件的行】选中你将要分析的行，然后反向选择进行【隐藏和排除】操作，见图5（图中已经完成了选择符合条件的行）。
这里建议大家直接选择【隐藏和排除】，因为只是被【隐藏】的观测同样会进入到后续的统计分析中，只是在作图表时不出现，而只是被【排除】的观测不会进入到后续的统计分析中，但会在作图时出现。一般情况下，对于这些不符合筛选条件的观测，我们既不想让它们出现在图表中，也不想让它们参与后面的统计分析，所以直接选择【隐藏和排除】就好啦。
[attach]4688[/attach]
图5 隐藏和排除不想分析的行
另一种方法就是直接反向编辑选择条件，直接筛选出不想纳入分析的行，再点击【隐藏和排除】。再次点击【隐藏和排除】即可取消。
一键拆分成多个子集
如果出于分析需要，我们想根据某变量的不同值将数据拆分成多个数据集，例如拆成男、女两个数据集，或根据示例数据中的Y（有序型）拆成high、medium和low三个数据集，这在JMP里的操作有多简单呢？
我们以后者为例，见图6。在勾选【取子集依据】后弹出的变量名列表里选择你想拆分数据集的依据，本例以Y（有序型）为依据，JMP将数据集自动拆成三个子集，分别是Y（有序型）=low，Y（有序型）=medium以及Y（有序型）=high三个子集。
[attach]4689[/attach]
图6 按照变量值拆分子集
以变量为依据，JMP会将变量中的每一个值单独生成一个新的子集。举例来说，如果你不小心将连续型的年龄变量作为拆分依据，那你的屏幕将会弹出上百个子集，每个子集的观测具有相同的年龄，这点要小心哦。
随机抽样作为拆分数据集的一个特例，随机抽样其实也可以看作是数据集的拆分，相当于把随机选中的观测拆分出来，就形成了随机抽取的样本。
在JMP中进行随机抽样有多种方式，这里介绍的是最简单的一种随机抽样方式，你只需要告诉软件，想抽取多少人，或抽取总例数的多大比例，其余就都交给软件就行了。具体更详细的随机抽样方法我们会在后面文章中有专门介绍。
这种方式仍然在【表】→【子集】的对话框中，如图7所示，红框内的部分就是进行随机抽样操作的关键选项，两种方式任选其一，一种是指定抽样的比例【随机-抽样率】，另一种是直接指定抽取的样本量【随机-样本大小】。
[attach]4690[/attach]
图7 随机抽样
图7所示，表示随机抽取全部观测的50%，或者从全部观测中随机抽取221例形成新的数据集（注意这里的随机抽样是无放回抽样哦，也就是说每个观测至多只能被抽取一次）。点击“确定”后，你会发现一个新的数据集就出现了，这就是你想要的随机抽取的样本数据。这大概是史上最简单的随机抽样方式了，有了这一工具，还用担心什么抽样问题呢？
当然，这种随机抽样只是简单随机抽样，实际中的随机抽样方式也有多种，如分层随机抽样等，这在JMP中实现起来也非常容易，我们将在之后随机抽样的文章中专门介绍。敬请期待！
作者: 小白应用统计学 时间: 2020-11-4 18:57
辛苦啦
小小的建议，可以把样本集（模拟的也可以）让大家来复现
作者: admin 时间: 2020-11-6 09:11
好提议。版主回头问问作者团队是否可以提供下数据集~
作者: 小白应用统计学 时间: 2020-11-6 13:36
给了锤子，再配套一个钉子，要么两边都会干着急的
^V^
作者: nanfeng36 时间: 2020-11-8 10:08
Diabetes.jmp
这是软件自带的数据文件.
作者: 小白应用统计学 时间: 2020-11-8 10:57
好尴尬，结果已经搜索到啦，给力
| 欢迎光临 JMP数据分析论坛 (http://www.jmpforum.net/) |
X3 |