Model obsahu Statistika sloupců a model obsahu Pirwise Statistics

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Model obsahu Statistika sloupců a model obsahu Pirwise Statistics

Last updated: 31. 8. 2023

Model obsahu Statistika sloupců a model obsahu Pirwise Statistics

Model obsahu Statistika sloupců poskytuje přístup k statistikám, které lze vypočítat pro každé pole (statistiky univariate). Model obsahu Pirwise Statistics poskytuje přístup k statistickým údajům, které lze vypočítat mezi páry polí nebo hodnot v poli.

Kterákoli z těchto statistických opatření je možné:

Count
UniqueCount
ValidCount
Mean
Sum
Min
Max
Range
Variance
StandardDeviation
StandardErrorOfMean
Skewness
SkewnessStandardError
Kurtosis
KurtosisStandardError
Median
Mode
Pearson
Covariance
TTest
FTest

Některé hodnoty jsou vhodné pouze z jedné statistiky sloupců, zatímco jiné jsou vhodné pouze pro statistiku po dvojicích.

Uzly, které produkují tyto jsou:

Uzel statistiky vytváří statistiky sloupců a může vytvářet statistiky po dvojicích, jsou-li určena pole korelace.
Uzel Audit dat produkuje sloupec a může vytvořit statistiky po dvojicích, je-li uvedeno pole překryvu.
Uzel znamená vytváří po porovnávání dvojic polí nebo porovnávání hodnot polí s jinými souhrny polí párové statistiky.

Které modely obsahu a statistiky jsou k dispozici, závisí na schopnostech určitého uzlu a na nastaveních v rámci uzlu.

Tabulka 1. Metody pro model obsahu statistiky sloupců
Metoda	Návratové typy	Popis
`getAvailableStatistics()`	`List<StatisticType>`	Vrátí dostupné statistiky v tomto modelu. Ne všechna pole nutně mají hodnoty pro všechny statistiky.
`getAvailableColumns()`	`List<String>`	Vrátí názvy sloupců, pro které byly vypočteny statistiky.
`getStatistic(String column, StatisticType statistic)`	`Number`	Vrátí statistické hodnoty přidružené ke sloupci.
`reset()`	`void`	Vyprázdní veškeré vnitřní úložiště přidružené k tomuto modelu obsahu.

Tabulka 2. Metody pro model obsahu Pirwise Statistics
Metoda	Návratové typy	Popis
`getAvailableStatistics()`	`List<StatisticType>`	Vrátí dostupné statistiky v tomto modelu. Ne všechna pole nutně mají hodnoty pro všechny statistiky.
`getAvailablePrimaryColumns()`	`List<String>`	Vrátí názvy primárních sloupců, pro které byly vypočteny statistické údaje.
`getAvailablePrimaryValues()`	`List<Object>`	Vrátí hodnoty primárního sloupce, pro který byly vypočteny statistické údaje.
`getAvailableSecondaryColumns()`	`List<String>`	Vrátí názvy sekundárních sloupců, pro které byly vypočteny statistiky.
`getStatistic(String primaryColumn, String secondaryColumn, StatisticType statistic)`	`Number`	Vrátí statistické hodnoty přidružené ke sloupcům.
`getStatistic(String primaryColumn, Object primaryValue, String secondaryColumn, StatisticType statistic)`	`Number`	Vrátí statistické hodnoty přidružené k hodnotě primárního sloupce a sekundárnímu sloupci.
`reset()`	`void`	Vyprázdní veškeré vnitřní úložiště přidružené k tomuto modelu obsahu.

Uzly a výstupy

Tato tabulka uvádí uzly, které vytvářejí výstupy, které zahrnují tento typ modelu obsahu.

Tabulka 3. Uzly a výstupy
Název uzlu	Název výstupu	ID kontejneru	Poznámky
`"means"` (Střední uzel)	`"means"`	`"columnStatistics"`
`"means"` (Střední uzel)	`"means"`	`"pairwiseStatistics"`
`"dataaudit"` (uzel Audit dat)	`"means"`	`"columnStatistics"`
`"statistics"` (uzel statistiky)	`"statistics"`	`"columnStatistics"`	Generováno pouze při zkoumání specifických polí.
`"statistics"` (uzel statistiky)	`"statistics"`	`"pairwiseStatistics"`	Generováno pouze, když jsou pole korelována.

Ukázkový skript

from modeler.api import StatisticType
stream = modeler.script.stream()

# Set up the input data
varfile = stream.createAt("variablefile", "File", 96, 96)
varfile.setPropertyValue("full_filename", "$CLEO/DEMOS/DRUG1n")

# Now create the statistics node. This can produce both
# column statistics and pairwise statistics
statisticsnode = stream.createAt("statistics", "Stats", 192, 96)
statisticsnode.setPropertyValue("examine", ["Age", "Na", "K"])
statisticsnode.setPropertyValue("correlate", ["Age", "Na", "K"])
stream.link(varfile, statisticsnode)

results = []
statisticsnode.run(results)
statsoutput = results[0]
statscm = statsoutput.getContentModel("columnStatistics")
if (statscm != None):
	cols = statscm.getAvailableColumns()
	stats = statscm.getAvailableStatistics()
	print "Column stats:", cols[0], str(stats[0]), " = ", statscm.getStatistic(cols[0], stats[0])

statscm = statsoutput.getContentModel("pairwiseStatistics")
if (statscm != None):
	pcols = statscm.getAvailablePrimaryColumns()
	scols = statscm.getAvailableSecondaryColumns()
	stats = statscm.getAvailableStatistics()
	corr = statscm.getStatistic(pcols[0], scols[0], StatisticType.Pearson)
	print "Pairwise stats:", pcols[0], scols[0], " Pearson = ", corr