Die Aktion `boxPlot` im `percentile`-Aktionssatz ist ein leistungsstarkes Werkzeug zur Durchführung einer robusten univariaten Analyse. Sie berechnet wesentliche deskriptive Statistiken, die für die Erstellung von Boxplots erforderlich sind, einschließlich Quantilen (wie dem Median und den Quartilen), den oberen und unteren Whiskers zur Identifizierung der Datenvariabilität sowie der Erkennung von Ausreißern. Diese Aktion ist besonders nützlich für die explorative Datenanalyse, um die Verteilung, Zentralität und Streuung numerischer Variablen schnell zu visualisieren und zu verstehen, oft gruppiert nach kategorialen Variablen.
| Parameter | Beschreibung |
|---|---|
| table | Gibt die zu analysierende Eingabe-CAS-Tabelle an. |
| inputs | Gibt die numerischen Eingabevariablen an, die analysiert werden sollen. |
| casOut | Gibt die Ausgabetabelle an, in der die Ergebnisse gespeichert werden sollen. |
| attributes | Gibt temporäre Attribute an, wie z. B. ein Format, das auf Eingabevariablen angewendet werden soll. |
| binNum | Gibt die Anzahl der Bins an, die bei der iterativen Methode zur Berechnung von Perzentilen verwendet werden. |
| freq | Gibt die numerische Variable an, deren Wert die Häufigkeit der Beobachtung darstellt. |
| groupByLimit | Gibt die maximale Anzahl von Ebenen in einem Group-By-Satz an. Wenn der Server diese Anzahl von Ebenen feststellt, stoppt der Server und gibt kein Ergebnis zurück. Geben Sie diesen Parameter an, wenn Sie die Erstellung großer Ergebnismengen bei Group-By-Operationen vermeiden möchten. |
| includeMissingGroup | Wenn auf TRUE gesetzt, werden fehlende Werte als gültige Stufe für die Gruppierungsvariablen behandelt. |
| method | Gibt den Algorithmus für die Perzentilanalyse an. 'ITERATIVE' verwendet eine speichereffiziente Methode, die möglicherweise nicht exakt ist. 'EXACT' verwendet eine speicherintensivere Methode, die exakte Ergebnisse liefert. |
| nOutBins | Gibt die Anzahl der Bins an, die zur Meldung von Ausreißern verwendet werden sollen. Dies impliziert die Anforderung, Ausreißer zu berechnen. |
| nOutLimit | Gibt die größte Anzahl von Ausreißern an, die an beiden Enden der Verteilung zurückgegeben werden sollen. Die tatsächlichen Ausreißerwerte werden anstelle von Bins zurückgegeben. |
| outliers | Wenn auf TRUE gesetzt, werden Ausreißer berechnet. Die Ergebnistabelle enthält zusätzliche Spalten mit Informationen zu den Ausreißern. |
| partition | Wenn auf TRUE gesetzt und die Tabelle partitioniert ist, werden die Ergebnisse für jede Partition effizient berechnet. |
| partKey | Gibt einen bestimmten Partitionsschlüssel an, um die Analyse auf eine einzelne Partition einer partitionierten Tabelle zu beschränken. Muss mit `partition=TRUE` verwendet werden. |
| pctlDef | Gibt eine von fünf Definitionen (1-5) zur Berechnung von Quantilstatistiken (Perzentilen) an, wie in der PROC UNIVARIATE-Dokumentation beschrieben. Der Standardwert 6 gibt an, einen iterativen Prozess zu verwenden. |
| whiskerPercentile | Gibt das Perzentil für die unteren und oberen Whiskers an. Wenn Sie beispielsweise 10 angeben, werden die Whiskers auf das 10. und 90. Perzentil gesetzt. Beobachtungen, die außerhalb der Whiskers liegen, werden als Ausreißer betrachtet. |
Dieser Schritt erstellt eine CAS-Tabelle namens `CARS_DATA`. Die Daten stammen aus der `SASHELP.CARS`-Tabelle und werden in die `CASUSER`-Caslib geladen. Diese Tabelle enthält Informationen über verschiedene Automodelle, einschließlich numerischer Variablen wie `MSRP` (Hersteller-UVP) und `Invoice` (Rechnungspreis), die für die Boxplot-Analyse geeignet sind.
data casuser.cars_data; set sashelp.cars; run;
Dieses Beispiel führt eine grundlegende Boxplot-Analyse für die Variable `MSRP` aus der Tabelle `CARS_DATA` durch. Es berechnet die Standard-Boxplot-Statistiken (Median, Quartile, Whiskers) und speichert die Ergebnisse in einer Tabelle namens `CARS_BOXPLOT_SIMPLE`.
| 1 | PROC CAS; |
| 2 | percentile.boxPlot / |
| 3 | TABLE={name='cars_data', caslib='casuser'}, |
| 4 | inputs={{name='MSRP'}}, |
| 5 | casOut={name='cars_boxplot_simple', caslib='casuser', replace=true}; |
| 6 | RUN; |
| 7 | QUIT; |
Dieses erweiterte Beispiel zeigt, wie die `boxPlot`-Aktion verwendet wird, um separate Analysen für jede Fahrzeugart (`Type`) durchzuführen. Es verwendet den `groupBy`-Parameter. Zusätzlich werden Ausreißer (`outliers=true`) berechnet und die Ergebnisse in der Tabelle `CARS_BOXPLOT_DETAILED` gespeichert. Die Methode `EXACT` wird für eine präzisere Berechnung der Perzentile verwendet.
| 1 | PROC CAS; |
| 2 | percentile.boxPlot / |
| 3 | TABLE={name='cars_data', caslib='casuser', groupBy={'Type'}}, |
| 4 | inputs={{name='Invoice'}}, |
| 5 | casOut={name='cars_boxplot_detailed', caslib='casuser', replace=true}, |
| 6 | outliers=true, |
| 7 | method='EXACT', |
| 8 | whiskerPercentile=10; |
| 9 | RUN; |
| 10 | QUIT; |