拆分資料集有煩惱？這些實用妙招試試看！

[#1]

在日常分析數據的過程中，我們往往只需要整個數據集中的一部分，比如只關註一部分觀測/行（男性或女性、某個年齡段的患者或者是患有某種疾病的患者）或者一部分變量/列等等這些可以稱之為子集的數據集，而拆分原始數據的過程也同時是生成子集的過程。

那麼 如何選擇符合條件的觀測值？如何一鍵拆分數據為多個子集？JMP中又有哪些簡便快捷的隨機抽樣方法？今天就帶大家一起學習資料清理的一個重要部分。

在 JMP 中生成子集

圖1 生成子集的主要操作頁面

那麼具體該如何拆分呢？

這個對話框裡的每個選項都有何意義？

又該如何利用好這些選項呢？我們先從最簡單的說起。

01如果只需要一部分變量（列）

比如在下圖的數據集裡，只需要Y和年齡兩個變量（當然實際情況不會是這樣，一般情況下，除非變量特別多，都不需要單獨把一些變量拎出來），你只需要在數據表上選中你想要的列，多列的時候記得按住Ctrl鍵，然後打開子集對話框，如圖2操作。

圖2 將部分列生成新的子集

這樣就得到了由所有觀測（行）和選定變量（列）組成的新數據集。

然而更多的時候，我們更想選擇符合特定條件的觀測（行），對變量不做要求，或者是選擇一部分觀測和一部分變量，那下面的幾種拆分行的操作就能派上用場了。

02 如果只需要一部分觀測（行）

(1) 選擇符合條件的行

這個標題既是我們的目的，又是我們實現目的的操作。比如我們想選擇數據集中年齡＞40歲的觀測，我們可以通過【行】→【行選擇】→【選擇符合條件的行】，然後編輯篩選觀測的條件，點擊確定，數據中符合條件的觀測就會被選中。

本例中選中320行觀測，如果希望將這些觀測生成為新的子集，那麼只需要點擊【表】→【子集】，不需要做更改（當然，如果你在這之前已經選中了部分變量，那麼需要選中【選定列】，而非【所有列】），點擊確定即可將選中觀測生成新的數據集，如圖3。

圖3 選擇符合條件的行

小貼士：選擇符合多重條件的觀測

很多時候我們需要選擇的觀測要滿足≥2條規則，比如我們要選擇大於40歲的女性，同樣的流程，只是在編輯規則時稍稍複雜一點，見圖4。條件之間的關係是“和(and)”時，選擇【若符合所有條件】，是“或（or）”時，選擇【若符合任意條件】。

圖4 選擇符合多重條件的觀測

(2) 隱藏不想分析的行

上一個方法介紹的是如何將想要的觀測生成新數據集，以便我們進行分析。這裡介紹如何從另一個角度得到我們想要的行，那就是隱藏掉不想要的行。

同上面講述的選擇行的方法一樣，你可以從【選擇符合條件的行】選中你將要分析的行，然後反向選擇進行【隱藏和排除】操作，見圖5（圖中已經完成了選擇符合條件的行）。

小貼士：這裡建議大家直接選擇【隱藏和排除】，因為只是被【隱藏】的觀測同樣會進入到後續的統計分析中，只是在作圖表時不出現，而只是被【排除】的觀測不會進入到後續的統計分析中，但會在作圖時出現。一般情況下，對於這些不符合篩選條件的觀測，我們既不想讓它們出現在圖表中，也不想讓它們參與後面的統計分析，所以直接選擇【隱藏和排除】就好啦。

圖5 隱藏和排除不想分析的行

另一種方法就是直接反向編輯選擇條件，直接篩選出不想納入分析的行，再點擊【隱藏和排除】。再次點擊【隱藏和排除】即可取消。

(3) 一鍵拆分成多個子集

如果出於分析需要，我們想根據某變量的不同值將數據拆分成多個數據集，例如拆成男、女兩個數據集，或根據示例數據中的Y（有序型）拆成high、medium和low三個數據集，這在JMP裡的操作有多簡單呢？

我們以後者為例，見圖6。在勾選【取子集依據】後彈出的變量名列表裡選擇你想拆分數據集的依據，本例以Y（有序型）為依據，JMP將數據集自動拆成三個子集，分別是Y（有序型）=low，Y（有序型）=medium以及Y（有序型）=high三個子集。

圖6 按照變量值拆分子集

小貼士：

以變量為依據，JMP會將變量中的每一個值單獨生成一個新的子集。舉例來說，如果你不小心將連續型的年齡變量作為拆分依據，那你的屏幕將會彈出上百個子集，每個子集的觀測具有相同的年齡，這點要小心哦。

(4) 隨機抽樣

作為拆分數據集的一個特例，隨機抽樣其實也可以看作是數據集的拆分，相當於把隨機選中的觀測拆分出來，就形成了隨機抽取的樣本。

在JMP中進行隨機抽樣有多種方式，這裡介紹的是最簡單的一種隨機抽樣方式 具體更詳細的隨機抽樣方法我們會在後面文章中有專門介紹。

這種方式仍然在【表】→【子集】的對話框中，如圖7所示，紅框內的部分就是進行隨機抽樣操作的關鍵選項，兩種方式任選其一，

圖7 隨機抽樣

圖7所示，點擊「確定」後，你會發現一個新的數據集就出現了，這就是你想要的隨機抽取的樣本數據。這大概是史上最簡單的隨機抽樣方式了，有了這一工具，還用擔心什麼抽樣問題呢？

當然，這種隨機抽樣只是簡單隨機抽樣，實際中的隨機抽樣方式也有多種，如分層隨機抽樣等，這在JMP中實現起來也非常容易，我們將在之後隨機抽樣的文章中專門介紹。敬請期待！