4. 数据准备与清洗：JMP的“表”与“列”操作，Minitab的“工作表”与“堆叠/拆分”功能
在半导体良率分析中，原始数据往往来自多个机台、多个批次，格式混乱、结构不统一。数据准备与清洗是良率分析的第一步，也是决定分析质量的关键环节。JMP 和 Minitab 在数据整理上各有侧重：JMP 以“表”和“列”为核心，操作直观灵活；Minitab 以“工作表”为基础，通过“堆叠/拆分”实现数据结构转换。本章将系统对比两者的数据准备方法，帮助你在实际工作中高效完成数据清洗。
4.1 JMP 的“表”与“列”操作
JMP 的数据表（Data Table）是一个集数据存储、编辑、可视化于一体的交互式环境。每一列（Column）不仅存储数据，还携带属性（如数据类型、建模类型、公式、值标签等），这使得数据清洗可以在“列”层面直接完成。
4.1.1 表操作：数据源管理与合并
JMP 的表操作主要包括数据表的创建、连接、合并和子集提取。在良率分析中，最常用的是“表 > 连接”（Join）和“表 > 子集”（Subset）。
| 操作 | 菜单路径 | 良率应用场景 |
|---|---|---|
| 连接（Join） | 表 > 连接 | 将批次信息表与测试数据表按批次号匹配合并 |
| 子集（Subset） | 表 > 子集 | 筛选出特定机台或特定产品的良率数据 |
| 堆叠（Stack） | 表 > 堆叠 | 将多列测试参数合并为一列，便于后续分析 |
| 拆分（Split） | 表 > 拆分 | 将一列分类数据拆分为多列，用于分组对比 |
4.1.2 列操作：属性设置与公式清洗
JMP 的列操作是其数据清洗的核心优势。右键点击列标题，即可快速设置列属性、添加公式、重编码异常值。
- 列属性设置： 数据类型（数值/字符/多值）、建模类型（连续/名义/有序）、值标签（如将 0/1 映射为 Pass/Fail）。
- 公式列： 通过公式编辑器创建新列，例如计算良率 = Pass_Count / Total_Count，或根据测试条件自动分类。
- 列重编码： 使用“列 > 重编码”将异常值（如 -999、9999）统一标记为缺失值，避免影响后续分析。
- 列筛选： 在列面板中勾选/取消勾选列，快速隐藏无关字段，聚焦关键参数。
// JMP 公式列示例：根据测试结果自动标记良品/不良品
If( :Test_Result == 1, "Pass", "Fail" )4.1.3 JMP 数据清洗流程 SVG 图
4.2 Minitab 的“工作表”与“堆叠/拆分”功能
Minitab 的数据组织以“工作表”（Worksheet）为单位，每个工作表包含若干列（C1, C2, ...）和行。Minitab 的数据准备更强调结构转换，其“堆叠”（Stack）和“拆分”（Unstack）功能是良率数据清洗的两大利器。
4.2.1 工作表管理：数据导入与列操作
Minitab 的工作表操作包括数据导入、列命名、列类型设置和列计算。与 JMP 不同，Minitab 的列操作更偏向批量和脚本化。
| 操作 | 菜单路径 | 说明 |
|---|---|---|
| 数据导入 | 文件 > 打开工作表 | 支持 Excel、CSV、文本文件，可指定导入范围 |
| 列命名 | 双击列标题 | 建议使用英文或拼音，避免特殊字符 |
| 列类型设置 | 数据 > 更改数据类型 | 数值/文本/日期/时间 |
| 列计算 | 计算 > 计算器 | 支持函数、条件判断、随机数生成 |
4.2.2 堆叠（Stack）：多列合并为一列
在良率分析中，经常遇到多个测试参数分别存储在不同列的情况（如 CP1、CP2、CP3 分别代表三次测试的良率）。堆叠操作可以将这些列合并为一列，同时生成一个“下标”列来标识原始列名。
// Minitab 堆叠操作示例
// 原始数据：C1(批次), C2(CP1), C3(CP2), C4(CP3)
// 堆叠后：C1(批次), C5(测试阶段), C6(良率)
// 操作路径：数据 > 堆叠 > 列
// 堆叠列：C2 C3 C4
// 存储堆叠数据到：新工作表
// 存储下标到：C5（测试阶段）4.2.3 拆分（Unstack）：一列拆分为多列
拆分是堆叠的逆操作。当数据以“长格式”存储（一列包含所有测试阶段，另一列包含对应良率），需要按阶段拆分为多列进行对比分析时，使用拆分功能。
// Minitab 拆分操作示例
// 原始数据：C1(批次), C2(测试阶段), C3(良率)
// 拆分后：C1(批次), C4(CP1), C5(CP2), C6(CP3)
// 操作路径：数据 > 拆分 > 列
// 拆分列：C3（良率）
// 分组列：C2（测试阶段）
// 分组顺序：CP1 CP2 CP34.2.4 Minitab 堆叠/拆分流程 SVG 图
4.3 JMP 与 Minitab 数据准备功能对比
为了帮助你在实际工作中快速选择工具，下表从多个维度对比 JMP 和 Minitab 在数据准备与清洗方面的差异。
| 对比维度 | JMP | Minitab |
|---|---|---|
| 数据表结构 | 列携带属性（类型、公式、标签），交互性强 | 列以 C1/C2 编号为主，命名需手动设置 |
| 列操作方式 | 右键菜单 + 列面板，可视化程度高 | 菜单命令 + 计算器，适合批量处理 |
| 堆叠/拆分 | 表 > 堆叠 / 表 > 拆分，支持多列同时操作 | 数据 > 堆叠 / 数据 > 拆分，需指定分组列 |
| 公式列 | 动态公式，自动更新，支持条件判断 | 计算器生成静态列，需手动重新计算 |
| 异常值处理 | 列 > 重编码，支持条件筛选和批量替换 | 数据 > 条件格式，或使用计算器 IF 函数 |
| 数据合并 | 表 > 连接，支持左连接、右连接、内连接 | 数据 > 合并工作表，需指定关键列 |
| 适用场景 | 交互式探索、快速清洗、小批量数据 | 批量处理、标准化流程、大批量数据 |
4.4 良率数据清洗实战案例
假设我们有一份半导体测试数据，包含以下字段：批次号（LotID）、晶圆编号（WaferID）、测试站点（Site）、测试参数（Param1~Param10）和最终良率（Yield）。数据中存在缺失值、异常值和格式不一致问题。
4.4.1 JMP 清洗步骤
- 导入数据： 文件 > 打开，选择 CSV 文件。
- 设置列属性： 将 LotID 和 WaferID 设为“名义”类型，Yield 设为“连续”类型。
- 创建公式列： 添加新列“良率等级”，公式为
If( :Yield >= 0.95, "A", If( :Yield >= 0.85, "B", "C" ) )。 - 重编码异常值： 选中 Yield 列，列 > 重编码，将 -999 和 9999 替换为缺失值。
- 子集提取： 表 > 子集，筛选出 Site = "CP1" 的数据，用于后续分析。
4.4.2 Minitab 清洗步骤
- 导入数据： 文件 > 打开工作表，选择同一 CSV 文件。
- 列命名： 双击列标题，将 C1~C13 分别命名为 LotID、WaferID、Site、Param1~Param10、Yield。
- 堆叠参数列： 数据 > 堆叠 > 列，将 Param1~Param10 堆叠为一列“ParamValue”，下标列命名为“ParamName”。
- 拆分站点数据： 数据 > 拆分 > 列，将 Yield 按 Site 拆分为 CP1_Yield、CP2_Yield、CP3_Yield。
- 缺失值处理： 计算 > 计算器，使用 IF 函数将异常值替换为缺失值符号 *。
4.5 数据准备常见问题与避坑指南
- 缺失值处理： 不要直接删除含缺失值的行，先分析缺失模式（随机缺失/系统缺失），再决定填充或删除。
- 数据类型错误： 良率数据应为数值型，如果导入后显示为文本，检查原始数据中是否包含“%”符号或空格。
- 列名冲突： 合并多个数据表时，确保关键列名一致，否则连接结果可能出错。
- 堆叠/拆分顺序： 堆叠时注意下标列的顺序，拆分时确保分组列的值唯一且完整。
- 备份原始数据： 无论使用 JMP 还是 Minitab，始终保留一份原始数据副本，避免清洗操作不可逆。