数据清洗之“堆叠”—多列数据合并处理的神器

admin

在数据分析过程中，有时候我们经常需要将多列指标合并为一列，比如将一个100人5个观察时间点生成的100行5列数据表，转换成500行1列的数据表，从而满足作图、分析的进一步需求。那么，在JMP中如何快速实现呢？今天这篇文章我们将介绍数据转换的神器之——“堆叠”，帮助你快速搞定数据的转换。

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、JMP分析报表解读等干货内容，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五期。点击专题或文末可回顾其他几期。

在数据分析时中，我们经常会遇到这种情形：一个人同时有多个主要分析指标（如随访数据中的多个时间点数据），在数据录入时，通常是将其分别录入在不同列（如5个时间点数据，分5列录入）。这种录入虽然看起来直观，但在数据分析时，有时却需要将这几列指标放置在1列中（如将5列指标放在1列中，同时新产生1列标识5个时间点）。

很多人在这时就有点犯愁，如果是5列还好，逐个复制也花费不了多少时间。但如果是20列甚至更多的列呢？且不说费时费力，逐个复制粘贴也容易发生错误。今天我们请出来的“堆叠”，就是专为这种需求而存在的。它可以实现快速将多列合并为1列，同时新增一个标识变量，以显示不同指标。


下面我们就用JMP自带的示例数据来演示一下如何实现数据的堆叠。

JMP软件内置了很多示例数据，可在最上方的菜单栏帮助→样本数据库中看到（图1），此外，打开帮助→JMP文档库，你就可以看到目前最全最详细、长达六千余页的JMP帮助手册，样本数据库均为里面的教学演示服务。

图1  JMP帮助文档及示例数据


这次我们作为讲解示例的是样本数据库中的Blood Pressure.jmp数据文件。数据的整体情况如图2所示。

图2 示例数据


20个被测者分为四组，变量BP 8M的含义是周一的八点血压测量值。所以该数据记录的是每个被测者分别于周一、周三和周五每日三个不同时间点的血压测量值。没错，这是标准的重复测量数据，临床上有很多医生收集的数据都是这样的格式。

多列指标堆叠为一列指标

首先，想象一下这样的情境，得到数据之后，你想比较一下四组被测者的血压测量值是否有差异，这时，血压测量值变成了因变量y，测量时间点和分组变成了自变量x1和x2，目前的数据格式，显然不符合我们接下来分析的要求。


我们需要将9个时间点的列进行堆叠，形成两列，一列时间点，另一列测量值，且一一对应。在JMP里该怎样操作呢？只需一步！


堆叠的操作在菜单栏表→堆叠，点开后可见图3所示对话框。

图3  列堆叠对话框


•        红色方框中显示我们要堆叠的列，这个示例数据中，我们需要将BP 8M至BP 6F九个变量均拖入到该框中；
•        蓝色方框中填入新生成数据表的名称；
•        绿色椭圆框中是新建列名称。由于我们堆叠完成后会形成两个新变量，一个是时间点（源标签列），一个是血压测量值（堆叠数据列），我们可以分别为其设定变量名，如果不做修改，则新变量会采用系统默认的【数据】和【标签】作为变量名；
•        因为我们要把所有的变量名堆叠为一列而非多列，所以左侧橙色方框内的多序列堆叠暂不勾选（后面会为大家介绍需要勾选这个选项的情况）；
•        左侧下方绿色方框内是对未堆叠列的处理，这个示例数据中是被测者和剂量这两个变量，我们选择全部保留。


我们用动图演示一下操作过程，见图4。

图4 列堆叠操作过程演示


新生成的数据表如图5所示。

图5 列堆叠后新生成数据表


20个被测者每人测了9个时间点的血压值，所以新生成的数据表有180行观测，标签和数据分别为堆叠前的时间点和血压值。这样，我们就可以进行后续的分析了。




将多列指标堆叠为多列指标

从标题来看，似乎在做无用功，别着急，前者的多列指标与后者的多列指标可不是一回事。


还是用上面提到的血压数据，出于不同的分析目的，我们可能想将每日的血压值作各作为一列，这时就不能简单将其堆叠为标签和数据两列了，而是需要堆叠成三组标签加数据的列，每组代表一日的测量情况。


操作与之前相同，不同的是需要勾选左侧的“多序列堆叠”（如图6）：

图6  多序列堆叠


因为这里是连续的三列变量堆叠为一列，共堆叠成三列，所以我们将序列数写为3，并勾选“连续”，点击确定即可，我们用动图演示一下操作过程，见图7。

图7  多序列堆叠过程演示


生成的数据表如图8所示。每个被测者的每日数据为一列，我们可以单独比较四组被测者某一日的血压是否相等。

图8 多序列堆叠新生成数据表


日常数据整理与汇总中，除了存在将多列堆叠为一列的情况，还有将一列拆分为多列的情况。我们将在之后的文章中为大家介绍“堆叠”的反向操作---拆分，即如何将一列指标拆分为多列指标。拆分究竟有何意义？又有哪些注意事项？敬请期待后续的系列！



如果你还未体验过JMP，欢下载JMP试用，跟着文章练起来吧！