612324_zh-CN

liliconcom

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

也许是这样的：

 

Names Default To Here( 1 );

//dt=open("input_example.jmp");

//Stack data table
Data Table( "input_example.jmp" ) << Stack(
 columns( Column Group( "A sensors" ), Column Group( "B sensors" ) ),
 Source Label Column( "Label" ),
 Stacked Data Column( "Data" ),
 Output Table( "Stacked Data" )
);

//Text to columns
Data Table( "Stacked Data" ) << Text to Columns(
 columns( :Label ),
 Delimiters( " " )
);

//Delete column: Label 2
Data Table( "Stacked Data" ) << Delete Columns( :Label 2 );

//Change column name: Label 1 → Asset
Data Table( "Stacked Data" ):Label 1 << Set Name( "Asset" );

//Change column name: Label 3 → Sensor
Data Table( "Stacked Data" ):Label 3 << Set Name( "Sensor" );

//New column: Column 6
Data Table( "Stacked Data" ) << New Column( "Stddev of Sensor by Asset by Index",
 Numeric,
 "Continuous",
 Format( "Best", 12 )
);

//Change column formula: Stddev of Sensor by Asset by Index
Data Table( "Stacked Data" ):Stddev of Sensor by Asset by Index <<
Set Formula( Col Std Dev( :Data, :Asset, :Index ) );


//Report snapshot: Stacked Data - Graph Builder
Data Table( "Stacked Data" ) << Graph Builder(
 Size( 517, 450 ),
 Show Control Panel( 0 ),
 Variables(
  X( :Index ),
  Y( :Stddev of Sensor by Asset by Index ),
  Overlay( :Asset )
 ),
 Elements( Line( X, Y, Legend( 7 ) ), Points( X, Y, Legend( 8 ) ) )
);

我使用 JMP 17 中的 Worflow Builder 来“编写”这个脚本。

 

关键是在公式中使用“by”参数。  

这让我可以完全堆叠数据，使数据具有完整的层次结构，所有数据都在一列中。

然后我按资产和索引获取整列数据的标准偏差。 这让我制作了这张图：

 

 

 

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

这是一个好方法。 然而，完全堆叠的表格存在局限于那些具有“by”参数的公式的问题。

 

例如，如果我想做一个公式：(sensor 1 - sensor 2) / sensor 3，将需要堆叠表。

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

删除回复以避免未来读者的混淆

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

如果您有层次结构表，一种选择是采用纯 JSL 路线。 代码也许能够自我解释：

Names Default To Here(1);

dt_hier = Open("$DOWNLOADS/hierarchy_example.jmp");
dt_input = Open("$DOWNLOADS/input_example.jmp");

// some assumptions:
 // both parents will have same amount of columns
new_col = dt_hier << New Column("Data Cols", Character, Nominal, << Set Each Value(
 Regex(:Child column, "sensor \d")
));
data_cols = Associative Array(new_col) << get keys;
dt_hier << Delete Column(new_col);

dt_collector = New Table("data",
 New Column("Index", Numeric, Ordinal),
 New Column("Group", Character, Nominal)
);
For Each({data_col}, data_cols,
 dt_collector << New Column(data_col, Numeric, Continuous)
);

Summarize(dt_hier, parents = by(:Parent));
For Each({parent}, parents,
 parent_rows = Loc(dt_hier[0, "Parent"], parent);
 parent_cols = dt_hier[parent_rows, "Child column"];
 parent_data = dt_input[0, parent_cols]; 
 non_missing_idx = Loc(parent_data);
 row_count =  N Items(non_missing_idx) / n cols(parent_data);
 
 parent_data_clean = Shape(parent_data[non_missing_idx], row_count);
 
 first_row = N Rows(dt_collector) + 1;
 last_row = first_row + row_count - 1;
 dt_collector << Add Rows(row_count);
 
 dt_collector[Index(first_row, last_row), "Index"] = Index(1, row_count)`;
 dt_collector[Index(first_row, last_row), "Group"] = Repeat({parent}, row_count);
 dt_collector[Index(first_row, last_row), data_cols] = parent_data_clean
);

这里做了很多假设，没有适当的错误处理

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

层次结构可以作为元数据（列属性）已经存在于表中。

我已经更新了示例，因此您在表中嵌入了父项（组）、父项别名、子项和子项别名。

我认为最直观的方法是按资产（子集）堆叠表格，按标签拆分数据，然后将表格连接在一起。

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

我还简化了要求（不再有空值）并找到了需要迭代完成（每个资产）的解决方案（堆栈、拆分、连接）。 层次结构数据现在嵌入到主表中（进度可以在 input_example 中找到）。

回复：按组堆叠在 JSL 索引列中（传感器数据和资产）

我发现最直接的操作是自动化这些数据步骤。

1）堆栈

 

 2）拆分

3）连接

 

 

按组堆叠在 JSL 索引列中（传感器数据和资产）

在制造中，通常以以下形式提取传感器数据，其中A和B对应类似的设备（称为资产）。

 

在这种格式中，用户需要为每个父组创建一个组合公式。 例如：

（输入：传感器数据表需要每个父组的特定列）

 

当处理多个资产时，这会变得很麻烦，因此更好的方法是按组资产堆叠数据。

 

为了以编程方式执行此操作，我们需要包含层次结构的上下文数据。 例如：

（输入：资产层次结构）

 

 

在 JSL 中，如何从传感器数据和层次结构（输入）移动到资产表（所需输出）？

 

（输出：资产数据表）

 

 

所有表格和脚本均附后。 这是输入表脚本（包含父子的元数据添加为列属性）。

 

Names Default To Here( 1 );

// New data table
dt = New Table( "sensor table" );

n_rows = 10;

n_additional_rows = 0;

// New column: Index
dt << New Column( "Index", Numeric, "Continuous", Format( "Best", 12 ) ) <<
 Begin Data Update << Add Rows( n_rows );

dt:Index << Set Formula( Row() );

dt << End Data Update;


// A sensor

dt << New Column( "A sensor 1",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected
 ) << New Column( "A sensor 2",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected
 ) << New Column( "A sensor 3",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected
 ) << Group Columns( "A sensors", {:A sensor 1, :A sensor 2, :A sensor 3} )
  << Begin Data Update;

For Each Row(
  dt,
  :A sensor 1 = Random Normal( 0, 1 );
  :A sensor 2 = Random Normal( 0, 1 );
  :A sensor 3 = Random Normal( 0, 1 );
 );
 
dt << End Data Update;

// B sensors

dt << Add Rows( n_additional_rows );


dt << New Column( "B sensor 1",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected
 ) << New Column( "B sensor 2",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected
 /*) << New Column( "B sensor 3",
  Numeric,
  "Continuous",
  Format( "Best", 12 ),
  Set Selected*/
 ) << Group Columns( "B sensors", {:B sensor 1, :B sensor 2}) //, :B sensor 3} )
  << Begin Data Update;

For Each Row(
  dt,
  :B sensor 1 = Random Normal( 0, 3 );
  :B sensor 2 = Random Normal( 0, 2 );
  //:B sensor 3 = Random Normal( 0, 3.5 );
 );
 
dt << End Data Update;

colnames = dt << Get Column Names( String );

for each({col, index}, colnames,
  column(dt, col) << Set Property( "child", col ) );

// Calculations.

// New formula column: Stdev[A sensor ...r 2,A sensor 3]
dt << New Column( "Stdev[A sensors]",
 Numeric,
 "Continuous",
 Format( "Best", 12 ),
 Formula( Std Dev( :A sensor 1, :A sensor 2, :A sensor 3 ) ));
 
// Move selected column: Stdev[A sensors]
dt <<MOVE selected="" columns=""></MOVE>

 

 

自动化和脚本编写