如何在JMP中快速拆分现有数据集

admin · 发表于 2020-11-4 15:46:38

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。

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。

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。

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】。

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。

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。

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】。

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！