J'aime quand mes rapports JMP sont mis à jour quotidiennement et publiés automatiquement sans avoir à appuyer sur aucune touche. Donc, pour démontrer ce que je veux dire, je vais utiliser une étude de cas qui devrait intéresser la plupart des gens. À partir de 2020, je voulais examiner l'évolution de la pandémie pour prédire si de futurs verrouillages se produiront ou non dans des pays spécifiques.
Tout d'abord, j'ai dû chercher une bonne source de données fiable. Après avoir recherché les différentes bases de données accessibles au public, j'ai choisi la Centre de ressources sur le coronavirus Johns Hopkins . L'étape suivante consistait à importer trois sources de données différentes dans JMP pour analyser les cas quotidiens, les décès quotidiens et les guérisons quotidiennes. J'ai sélectionné Internet Open dans le menu File, ce qui a facilité l'importation des données. Vous trouverez ci-dessous un exemple de cas confirmés de COVID-19.
Pour obtenir cela dans un script, j'ai dû convertir cette étape d'importation manuelle pour les trois ensembles de données, comme indiqué ci-dessous. Voici un exemple de l'ensemble de données pour les cas confirmés de COVID-19 :
Open(
"https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv",
HTML Table( 1, Column Names( 1 ), Data Starts( 2 ) ));
La syntaxe principale que j'ai utilisée est la fonction "Open()", qui ouvre des tables et des scripts, ainsi que des données provenant d'internet ! Cette instruction est beaucoup plus simple que celle écrite automatiquement dans la table.
Ensuite, les données sont importées dans JMP :
Nous sommes maintenant prêts à passer aux étapes suivantes pour préparer les données pour l'analyse.
- Empilez les dates dans une colonne avec des noms de colonnes génériques référencés (puisque les données sont mises à jour quotidiennement). L'option Stack est une plate-forme fantastique dans le menu Tables qui permet d'effectuer cette tâche manuellement.
- Renommez les colonnes dans Cas cumulés, Décès cumulés et Récupération cumulée.
- Joignez-vous aux trois ensembles de données : cas quotidiens, décès quotidiens et récupération quotidienne.
- Modifiez le format de date en numérique et continu et définissez le format de date.
- Créez trois nouvelles colonnes en utilisant des formules pour les nouveaux cas quotidiens, les nouveaux décès quotidiens et les nouvelles récupérations quotidiennes sans valeurs négatives en utilisant la fonction de formule Dif pour chaque colonne.
Les valeurs négatives sont apparues lorsque l'emplacement a été changé dans l'ensemble de données (voir ci-dessous), ce qui, bien sûr, n'a aucun sens. Par conséquent, j'ai dû créer trois nouvelles colonnes pour remplacer les valeurs négatives par un 0 (en utilisant la fonction de formule Max pour chaque colonne).
L'ensemble de données final est maintenant prêt pour l'analyse.
Pour que cela soit automatisé à ce stade, toutes les différentes étapes de la préparation des données ont été scénarisées. Et merci à Enregistrement des actions dans le journal, ce qui est nouveau dans JMP 16 , ma vie est maintenant tellement plus facile. Je peux maintenant facilement extraire les différentes étapes de manipulation de données scriptées de l'enregistrement d'action lui-même et les insérer dans le script final.
Maintenant que j'ai le script pour toutes les étapes d'importation et de préparation des données, je peux utiliser Graph Builder pour visualiser et analyser les données de manière utile, comme dans l'exemple ci-dessous :
La moitié supérieure du graphique contient les cas, décès et guérisons cumulés dans le monde. La moitié inférieure contient les nouveaux cas, décès et guérisons quotidiens dans le monde. J'ai ajouté un filtre de données locales, qui me permet de filtrer sur un pays spécifique. J'ai ajouté le script graphique au script final.
Comme dernière étape, je souhaite publier ceci sur JMP Live ou JMP Public. Ci-dessous le rapport Web publié sur JMP Public , la version publique de JMP Live :
Étant donné que la publication dans JMP 16 a beaucoup changé, voici comment vous pouvez utiliser un script pour publier depuis JMP 16 dans JMP Public. Une connexion JMP Live utilisant JMP de bureau doit d'abord être créée.Dans JMP 16, accédez à Fichier -> Publier -> Gérer les connexions. Ajouter une nouvelle connexion. Ensuite, spécifiez l'URL et la clé API. Pour obtenir la clé API, générez-la à partir des paramètres de compte JMP Public ou JMP Live.
Dans JSL, utilisez cette connexion pour publier sur JMP Live.Voici un exemple de script pour publier l'analyse sur JMP Public (où graph1 est le rapport à publier). Je l'ai rendu public pour que tout le monde puisse consulter le rapport).
webreport = New Web Report();
webreport << Add Report( graph1, title( "Graph1 Title" ) );
use_data = "true";
jmplive = New JMP Live( Connection( "JMP Public" ), Prompt( If Needed ));
jmpliveresult = jmplive << Publish ( webreport, Public (1));
report = jmpliveresult << As Scriptable;
Étant donné que ce rapport est mis à jour quotidiennement avec de nouvelles données, les rapports existants doivent être remplacés.
jmpliveresult = jmplive << Replace( webreport, ID( "website ID" ) );
L'ID de site Web est le code après public.jmp.com/packages/ (voir ci-dessous), qui vous permet de remplacer le contenu du rapport existant plutôt que d'avoir à créer un nouveau rapport avec un contenu mis à jour.
Jusqu'ici, tout va bien! Pour que cela soit publié quotidiennement, j'utilise le planificateur de tâches de Windows. Dans le planificateur de tâches, je sélectionne une tâche de base, crée un nom pour la tâche, puis la déclenche pour qu'elle publie le rapport tous les jours à 8h00.
La dernière étape consiste à indiquer au planificateur de tâches quel programme ouvrir et quelle action entreprendre. Par conséquent, j'ai défini le chemin JMP16.exe et le script JSL à utiliser.
Et voilà, maintenant mon rapport sera publié et mis à jour tous les jours sans appuyer sur aucune touche. Tu trouveras le rapport publié chez JMP Public .
