こんにちは。複数のサンプルからの時系列データのデータ テーブルから複数の折れ線グラフを作成する効率的な JMP 方法があるかどうか疑問に思っています。
したがって、私のデータテーブルは次のようになります。
index datetime sampleID value
0 93 2024-03-12 00:09:47 B 0.852
1 46 2024-03-12 00:18:36 A 0.377
2 29 2024-03-12 00:50:22 B 0.049
3 99 2024-03-12 01:11:40 B 0.441
4 52 2024-03-12 01:12:09 A 0.237
5 66 2024-03-12 01:26:29 A 0.607
6 28 2024-03-12 01:27:56 A 0.669
7 64 2024-03-12 01:33:11 A 0.074
8 16 2024-03-12 01:52:59 B 0.964
9 55 2024-03-12 01:56:17 A 0.960
-sampleID はサンプル ID を示します。この例では A または B です。実際には、一意のサンプル ID が 100 を超える可能性があります。
- datetime は、各測定のタイムスタンプを示します。これは行ごとに一意です。
- 値は測定値です
- 各サンプルの行数は異なる場合があります
次のような時系列折れ線プロットを作成したいと考えています。
Pythonでは次のようにします
#example on how to do it in python
import pandas as pd
import datetime, random
N = 100
datetime_rand = [datetime.datetime.now().replace(hour=0, minute=0, second=0, microsecond=0) + datetime.timedelta(seconds=random.randint(0, 86400)) for _ in range(N)]
df = pd.DataFrame( dict( datetime = datetime_rand, sampleID = np.random.choice(["A", "B"], N), value = rand(N)))
df = df.sort_values(by="datetime").reset_index()
#now we have this kind of dataframe
# index datetime sampleID value
#0 69 2024-03-12 00:04:06 A 0.027
#1 96 2024-03-12 00:05:33 B 0.248
#2 16 2024-03-12 00:18:06 B 0.276
#3 81 2024-03-12 00:34:32 A 0.737
#4 27 2024-03-12 01:01:49 A 0.804
#...
#then I want to visuzalize the raw data with line plots:
for sampleID, group in df.groupby("sampleID"):
if sampleID == "A": plotspec = "bo-"
else: plotspec = "ro-"
plot( group.datetime, group.value, plotspec)同じことをJMPでもやりたいと思っています。分析ワークフローの次のステップは、タイムスタンプに基づいてデータのビニングを実行し、そのデータを並列プロットを通じて視覚化することですが、日付時刻を x 軸として最も生の形式のデータをプロットすることが多くの場合必要になります。
グラフ ビルダーで、[日付時刻] を X 軸に、[値] を Y 軸に、[サンプル ID] を [オーバーレイ] ドロップ ゾーンにドラッグします。
グラフを右クリックし、「追加」=>「線」を選択します。
こんにちは@asj さん
簡単な方法があります。 「グラフ」メニューから「グラフビルダー」を使用します。 Y に値、X に日付時刻、オーバーレイにサンプル ID。残りは、上部で選択するグラフの種類の問題です (PC では Control クリック、Mac では Shift クリックして複数の種類を選択)。このようなもの：
これはうまくいきますか?グラフ ビルダーを使用したグラフ作成に関する詳細は、ヘルプ メニューにあります。グラフ ビルダーで簡単に実行できるグラフの種類の中には、Python を使用するとさらに多くの作業が必要になる場合があります。
乾杯、
@Chris_Kirchbergと@txnelson の両方に感謝します。まさに私が探していたものです!
