이 프레젠테이션에서는 JMP 18의 Python 지원에 대한 새롭고 중요한 업데이트에 대해 간략하게 설명합니다. Python은 Python과 훨씬 더 긴밀하게 통합되고 훨씬 더 뛰어난 Python 중심 사용자 경험을 제공합니다. JMP 18에서는 다음을 수행할 수 있습니다.
Python에 제공되는 이러한 JMP 기능은 시간이 지남에 따라 확장될 예정이지만 현재 초점은 중요한 기능과 메모리 내 데이터 지원입니다. 이 프레젠테이션에서는 변경 사항과 그 이유에 대해 직접 들어보고 JMP 사용자에게 제공되는 새로운 기능을 직접 확인해보세요. 외부 Python 패키지를 사용하여 확장성과 데이터 가져오기 기능을 논의하고 외부 패키지를 사용하여 Python 인터페이스를 통해 GPU에 액세스하는 방법을 시연합니다.
안녕하세요, 저는 폴 넬슨입니다. 저는 JMP, Python 및 다음 단계에 대해 이야기하려고 왔습니다. 작년에 이전 프레젠테이션 중 하나를 마친 후 우리는 게임을 더욱 발전시킬 수 있다고 결정했습니다. JMP, Python에는 개선의 여지가 있었고 여기서는 이에 대해 이야기하겠습니다.
고객이 직면한 가장 큰 과제는 JMP 14부터 17까지 Python 지원이 작동하도록 하는 것이었습니다. 효과가 있었다면. 방금 잘 작동했습니다. 그렇지 않은 경우가 너무 많았습니다. 수많은 Python 배포판과 다양한 환경으로 인해 테스트가 어려워졌습니다.
Anaconda는 Windows에서 작동하도록 만들어질 수도 있고, Python 가상 환경이 작동하도록 만들어질 수도 있습니다. 환경은 모든 사람이 서로 다른 Python을 사용했기 때문에 스크립트는 사용자 환경의 공통 Python 버전에 의존할 수도 없었습니다.
JSON 편집기에서 Python 코드를 편집하는 것은 어렵고 불쾌했습니다. 코드 블록이 공백으로 구분되는 언어입니다. 이를 JSL에 문자열로 붙여넣어야 하면 어려워집니다. 이전 버전의 Python JMP에는 오류 보고가 충분하지 않아 Python 스크립트를 디버깅하기가 어려웠습니다.
마지막으로 데이터 테이블과 매트릭스 전송은 파일 시스템을 통해 이루어졌고, 데이터 테이블로는 CSV 파일로 이루어졌는데, 실제로 빅데이터를 가지고 있다면 속도가 느리다. 큰 클래스는 잘 작동하지만 더 큰 데이터는 느립니다.
우리가 갖고 있는 비전은 Python 통합이 제대로 작동하는지 확인하는 것입니다. 구성이 필요하지 않습니다. 이를 위해 Python 버전 3.115와 JMP 18.0을 묻어두고 JMP의 일부로 설치했습니다. 이는 공통 환경이며 모든 사용자는 동일한 버전의 JMP와 동일한 버전의 Python을 사용하게 됩니다.
우리는 더 나아가 JSL과 Python 사이의 데이터 흐름이 메모리 내 전송이고 메모리에 대한 복사 액세스가 없는지 확인했습니다. 우리는 Python 프로그래머를 위한 매력적이고 생산적인 환경을 만들었습니다. 이제 코드 색상 지정 및 구문 강조 표시가 있는 Python 스크립트 편집기도 있습니다.
스크립트 편집기와 Python 환경 내에서 직접 순수 Python 스크립트를 실행할 수 있고, JMP 데이터와 로그에 직접 액세스할 수 있으며, JSL을 호출하고 Python에서 데이터에 액세스할 수 있습니다. JMP 로그 및 포함된 로그에 대한 오류 보고 기능이 크게 향상되었습니다.
이제는 공통 환경이기 때문에 테스트하고 검증할 수 있습니다. 우리의 환경은 당신이 보아야 할 것과 같습니다. JMP 가져오기 패키지와 기타 몇 가지 유틸리티 패키지에서 현재 사용할 수 있는 기능에 대한 샘플을 설명하고 보여주기 위해 스크립팅 인덱스에 전체 Python 범주를 추가했습니다.
이것의 또 다른 부분은 Python의 방대한 패키지 라이브러리를 통해 JMP 기능을 확장할 수 있는 기능을 제공한다는 것입니다. 우리는 일대일 대안 JSL을 만들려고 시도하지 않습니다. 대신 우리는 JMP 내에서 Python 프로그래밍을 위한 친숙하고 생산적인 환경을 제공하려고 노력하고 있습니다.
이것은 현대화, 개조 및 정밀 검사입니다. JMP의 Python 통합에 대한 원래 설계 결정 중 일부에는 제한이 있었습니다. 우리는 변화로 인한 파손을 최소화하는 동시에 미래를 위한 강력하고 안정적인 기반을 제공하기 위해 모든 노력을 기울였습니다.
JMP로의 전환으로 인해 중단이 제한될 것이라는 예상이 많습니다. 중요한 점은 이제 JMP와 함께 제공되는 Python 버전만 지원한다는 것입니다. 비공개 JMP 가상 환경이라고 생각하세요.
스크립트에서 일어날 또 다른 일은 Python이 데이터 테이블을 보내는 방식이 변경되었다는 것입니다. 이제 JMP 해당 데이터 테이블 개체가 생성됩니다. JMP 데이터 테이블에 대한 실시간 액세스입니다. 메모리 내 복사본을 사용하면 기존 테이블을 편집하고 수정할 수 있습니다. 더 이상 복사본이 아닙니다.
JMP 14~17에서는 파일 시스템의 임시 CSV 파일을 통해 데이터를 복사하여 pandas DataFrame 객체를 생성했습니다. 대용량 데이터의 경우. CSV로 내보내면 용량이 매우 커지고 속도가 느려집니다. 또한 바이너리에서 텍스트 형식으로 전환하고 텍스트에서 다시 바이너리 형식으로 전환하기 때문에 잠재적인 정밀도 손실 문제가 있습니다.
동일한 기능이 실제로 필요한 경우 두 개의 pandas 기능을 제공하는 샘플 파일에서 pandas Python에 DT를 제공했습니다. 이는 내부적으로 사용되던 방식으로 작동합니다. 임시 CSV 파일을 생성하고 팬더에게 CSV 파일을 가져오라고 지시합니다.
JMP 열의 열을 한 번에 사용하여 pandas에 열을 작성하는 JMP 데이터 테이블 개체에서 메모리에 pandas DataFrame을 생성하는 방법을 보여주는 JMP to pandas 샘플도 있습니다.
Python Send Matrix는 파일 시스템을 통해 쓰는 데 사용되는 또 다른 것입니다. NumPy가 파일을 읽도록 하기 위해 double 파일을 작성합니다. 이는 이제 내부적으로 메모리를 통해 발생하며 복사본 대신 매트릭스에 대한 실시간 참조입니다.
JSL Python API의 대부분은 그대로 유지됩니다. 관련된 변경 사항은 주로 Python 버전을 선택하기 위해 원래 Python 지원을 구성하는 데 사용된 더 이상 사용되지 않는 인수와 함수를 제거하는 것이었습니다.
유일한 API 제거는 Matplotlib에서 이미지를 검색하는 Python get Graphics 함수였으며, 스크립팅 인덱스에는 JSL 및 Python 코드만으로 JMP가 내부적으로 수행한 것과 동일한 작업을 정확히 수행하는 방법을 보여주는 샘플이 있습니다. 이미 보여주세요. 어디 보자. 데모에서 나가자.
여기에는 JMP가 있습니다. 제가 보여드리고 싶은 것 중 하나는 도구 모음에 Python 아이콘이 표시되고 파일 새 메뉴에는 JSON 스크립트가 있지만 이제 새로운 Python 스크립트가 있다는 것입니다. Python 스크립트 편집기를 불러옵니다.
내장된 로그를 표시할 수 있습니다. JMP 가져오기 패키지가 있습니다. JMP를 가져옵니다. 우리는 JMP Python을 실행할 수 있도록 Python 문서 문자열을 넣기 위해 노력했습니다. 해당 스크립트를 실행할 수 있습니다. 이 최상위 JMP 가져오기 패키지 내 개체와 기능이 문서화되어 있음을 알 수 있습니다.
많은 상수가 있습니다. 대부분의 특수 디렉토리가 모두 표시됩니다. 그래서 우리는 할 수 있습니다. 이제 Python에서 작업을 수행합니다. JMP 오픈. JMP, 음, 오늘은 타자를 칠 수 없어요, JMP. 샘플 데이터. 을 더한. 빅 보스. JSL과 마찬가지로 코드 줄을 선택하여 스크립트에서 실행할 수 있습니다. 그리고 우리에게는 큰 수업이 있습니다.
자, 이것은 사본이 아닙니다. 우리는 그 물건을 얻을 수 있습니다. TT = JMP를 열어두면 참조가 있을 수 있습니다. 하지만 TT가 JMP.current와 같을 수도 있습니다. 그러면 현재 데이터 테이블에 대한 참조가 제공됩니다.
음, 우리는 print TT 같은 일을 할 수 있습니다. 그것은 그것이 큰 수업이라는 것을 말해줍니다. 5 x 40 열입니다. 하지만 심지어. 더 재미있게 할 수 있습니다. TT. 이름. 그리고 Python 슬라이스 연산자를 사용할 수 있습니다. 이름 열에 0으로 시작하는 다른 모든 이름을 제공하라고 말하고 있습니다.
Python에서 0부터 시작하여 색인을 생성해야 하는 것처럼 Python에서도 색인을 생성합니다. 데이터 테이블 인덱스는 행 단위입니다. 우리는 열 주요 형식이므로 인쇄하는 경우입니다. 그 밖의 모든. 이름, 우리는 케이티를 얻습니다. 계집애. 릴리. 제임스, 바바라, 수잔, 조, 데이비드.
이것은 라이브 액세스이므로 다음과 같은 작업을 수행할 수 있고 TT와 같은 작업을 수행할 수 있으며 이름이나 열 인덱스를 사용할 수 있습니다. 우리는 그것을 인쇄하는 칼럼입니다. 그것은 우리에게 선택권을 줍니다. 여기 당신… 제가 하나 골랐어요, 그렇죠, 루이스. 죄송합니다. 제로 제로. 케이티요. 데이터 테이블이 라이브이기 때문입니다. 케이티는 할 수 있어
기다리다. 소문자. 혼합된 경우입니다. 이제 내장된 로그에서 출력을 볼 수 있습니다. 당신은 알아 차릴 것입니다. 데이터 테이블에서 이를 변경했습니다. 이를 통해 데이터 테이블을 수정하고, Python 방식으로 데이터 테이블에 액세스하고, Python에서 데이터 테이블을 생성할 수 있습니다. 우리는 노력을 기울였습니다.
이제 스크립팅 인덱스가 생겼습니다. 보여드리겠습니다… 제가 말했듯이 get 그래픽은 더 이상 사용되지 않습니다. 실제로는 더 이상 JMP에서 유효한 기능이 아니지만 스크립팅 인덱스의 샘플은 이전에 사용하던 기능에서 JMP 내에서 그림을 저장하고 이미지를 열고 새 이미지를 생성하기 위해 실제로 수행한 방법까지 보여줍니다. 이미지가 있는 창입니다.
Python 범주에 속하는 Python 중심 환경의 멋진 새 기능 중 하나는 자체 범주입니다. JMP 가져오기 패키지에는 데이터 테이블 개체가 있습니다. 새 열을 만들 수 있고, 행을 추가하고, 테이블을 저장할 수 있는 각 항목에 대한 샘플이 있습니다. 테이블 이름 가져오기와 같은 속성입니다. 그 모든 것.
이것은 Python으로 구동되는 새로운 데이터 테이블을 생성합니다. JMP 유틸리티도 있습니다. 당신이 할 수 있는 곳에서, 또는 우리는 그것을 사용하여 pip JMP를 실행할 수 있습니다. 왜냐하면 그것이 자체적으로 격리된 환경을 만들었기 때문입니다. 패키지를 설치할 때 JMP 격리 환경에 있어야 합니다.
JMP에 있는 패키지가 다른 항목이나 Python의 다른 설치와 충돌하는 문제가 발생하지 않기를 바랍니다. 우리는 그것을 격리된 상태로 유지했습니다. 따라서 이 경우, 필요한 경우… jpip 생성이 Python pip 스크립트를 래퍼하여 설치를 허용하는 스크립트를 생성하거나 실제로 gem 내의 JMP utils 클래스에서 실행할 수 있습니다.
여기서는 list pip 명령 목록을 표시하고 이것이 종료됩니다. pip를 호출하고 Python 환경에 설치한 패키지 목록을 반환합니다. 여기의 또 다른 예에서는 실제로 패키지를 설치할 수 있습니다. 그리고 이는 JMP 내에서 바로 실행됩니다.
몇 가지 주의 사항이 있으므로 jpip 생성이 존재합니다. 패키지가 NumPy와 같은 메모리에 로드되는 경우 공유 라이브러리가 있기 때문입니다. Windows에서 해당 패키지를 업데이트하지 못할 수도 있습니다. 컴파일이 필요한 일부 패키지가 있습니다. 이러한 작업은 명령줄에서 수행해야 할 수도 있습니다.
그 중 일부는 작동할 수 있지만 명령줄에서 실행해야 할 수도 있습니다. 이것이 바로 jpip 래퍼 스크립트를 생성하려는 이유입니다. 실행되면 팝업이 나타나 파일을 작성할 디렉터리를 제공한 다음 폴더를 선택하면 명령줄에서 실행할 수 있는 jpip 래퍼 스크립트가 작성됩니다.
실행하면 설치 후 마이너스 마이너스 사용자 플래그를 사용하려고 합니다. 여기에서 호출되면 자동으로 수행됩니다. 설치를 실행하는 JSL 기능도 있습니다. Python 설치 패키지는 훨씬 더 간단합니다. JSL 스크립트를 실행하면 백그라운드에서 pip가 호출되어 패키지를 JMP의 격리된 환경에 배치하는 데 필요한 모든 환경 변수가 올바르게 설정됩니다.
갑시다. 그러면 계속해서 데모를 더 보여드리겠습니다. 이것은 쉬운 기본 사항입니다. 하지만 우리가 이 전체 프로세스의 일부로 JMP를 Python에 더욱 친숙하게 만들고 추가 Python 패키지를 통해 JMP 기능을 훨씬 쉽게 확장할 수 있도록 하는 것이었습니다.
사람들이 원하는 빈번한 지원 트랙 중 하나는 쪽모이 세공 파일을 가져올 수 있는 것입니다. 이 데모는 내 드라이브에서 테이블을 가져오고 가져옵니다. 제가 인터넷에서 다운받은 것 중 하나입니다. 옳은. 그런 다음 쪽모이 세공 파일의 모양을 인쇄하고 쪽모이 세공 파일의 데이터에서 열별로 JMP 데이터 테이블을 구성합니다. 로그를 삭제하겠습니다. 실제로 제가 하는 걸 보세요.
나는 스크립트를 실행하지 않았습니다. 나는 몇 가지를 강조했을 것입니다. 우리는 거기에 갈. 이것은 쪽모이 세공 파일이었습니다. PQ가 수입한 대로 파이로 쪽 마루를 만들었다고. 쪽모이 세공 파일 속성. 천 행입니다. 모양은 13열 x 1000행입니다. 스키마는 왕자에게 열 이름의 스키마를 보여줍니다.
여기 맨 아래에서 우리는 Python 측면에서 개선하고 싶은 사항이 아직 끝나지 않았지만 거기에 도달할 때까지 Python에서 JSL을 실행할 수 있다는 다른 것 중 하나를 보여줄 수 있습니다.
Python 코드는 아직 설정, 표시 너비 또는 열 유형 변경과 같은 기능을 지원하지 않습니다. 새 열을 만들 수 있지만 Python에서 해당 유형을 변경할 수는 없습니다. 이것이 우리가 원하는 내용이지만 지금 당장은 JSL 내에서 Python을 실행할 수 있었던 것처럼 Python 내에서 JSL 스크립트를 실행할 수 있는 해결 방법이 있습니다.
이제 이 향상된 환경을 통해 두 환경 간에 통화를 주고받을 수 있습니다. Python은 JSL 스크립트를 실행할 수 있습니다. Python의 어떤 호출은 JSL 환경에서 다시 실행될 수 있으므로 호출을 중첩하여 다른 방법으로는 불가능했던 작업을 수행할 수 있습니다. JMP에서는 기본적으로 처리할 수 없는 데이터 유형의 쪽모이 세공 파일을 가져오는 것입니다. 하지만 우리는 이를 지원하기 위해 Python 패키지를 가져와서 이를 수행했습니다.
나에게 소중한 또 다른 것 중 하나입니다. 저는 통계학자는 아니지만 그래픽과 기타 수학 분야에 관심이 많습니다. 다음은 Open Compute Language 또는 OpenCL을 사용하는 것입니다. OpenCL 패키지를 가져왔습니다. 만델브로트 프랙탈을 생성합니다. 먼저 CPU를 보여드리겠습니다. CPU로 하는 거죠. 실제로 실행하는 데 약 16초가 걸립니다.
이것은 고통스러운 일이며 JMP 자체가 느리다는 것을 알게 될 것입니다. Python이 이 시점에서 제어권을 갖고 있기 때문에 응답하지 않습니다. 실행 중인 셀 대기를 긴밀한 루프 내부에 두면 제어권을 다시 얻을 수 있습니다. 이는 이 프랙탈을 생성하기 위해 CPU를 사용하는 것입니다.
이제 대신 GPU를 실행하도록 변경하고 스크립트를 실행해 보겠습니다. 팔. 이미지를 생성하고 저장한 다음 스크립트로 열고 우리가 말하는 내용을 확인하는 데는 몇 분의 1초가 걸립니다. GPU를 사용하는 데는 16초가 걸렸습니다. 하지만 충분히 멀리 돌아갈 때마다 말이죠. CPU에서 이 작업을 수행하는 데 실제로 32초가 걸렸습니다.
JMP와 함께 GPU를 활용하고 싶다면 이제 Python을 통해 이를 수행할 수 있습니다. 우리는 PyOpenCL과 PyCuda를 모두 사용해 보았으므로 Nvidia 카드가 있고 Cuda로 작업하고 있는 경우입니다. PyCuda 또는 보다 일반적인 OpenCL을 가져올 수 있습니다. 데스크탑의 성능을 그대로 유지하면서 JMP의 컴퓨팅 기능을 더욱 강화합니다.
Python을 통해 SaaS에 연결할 수도 있습니다. SaaS에는 SaaS y가 있습니다. 패키지, 그리고 우리는 그것을 ...에 설치했습니다. 그리고 이것은 이 작업 중 일부이며 제 동료 중 한 명이 함께 만든 것입니다. 로그를 지워보자. 우리는 실제로 내가 얻은 것을 보고 스크립트를 실행할 수 있습니다.
그래야 하는 대로 이것을 수집하고 있습니다. 여기 있습니다. 이것은 실제로 JSL을 사용하여 스크립트를 실행하는 데 필요할 수 있는 모든 Python 패키지가 이미 설치되어 있는지 확인하고 이를 설정할 수 있습니다. 여기 로그에서 볼 수 있는 내용 중 일부는 이미 만족했다는 것입니다. SaaS에 연결하는 스크립트를 실행하여 얻은 모든 결과는 다음과 같습니다. SaaS Py 패키지를 사용하여 로그를 다시 살펴보겠습니다.
스크립트가 로그에 반영됩니다. 내가 여기서 말했듯이. SaaS에 연결하여 제품을 실행하는 연결 정보가 있습니다. 우리의 물류. 그런 다음 출력 값을 반환하고 SaaS 세션을 종료합니다.
TensorFlow가 사람들의 관심을 끌 것이라고 들었습니다. 다음은 정말 간단한 것입니다. 틀렸습니다. 이번에도 TensorFlow를 설치했고 이는 JSL에서 실행되고 있지만 여기서는 Python에서 이 코드를 쉽게 실행할 수도 있었습니다.
텐서 흐름을 실행하여 합계를 생성합니다. 나는 당신이 내가 시연하는 것보다 훨씬 더 복잡한 사용법을 생각해낼 것이라고 확신합니다. Py 다이제스트는 또 다른 것입니다. 바로, 스크린입니다. 여기에 제가 보여드리기 위해 만든 샘플이 있는데, 그 중 하나는 JMP 선택 디렉토리를 사용하여 디렉토리를 선택하는 데 사용할 수 있는 JSL 실행, JSL 선택 디렉토리를 Python 스크립트에서 사용할 수 있는 등 여러 가지를 보여주는 것이었습니다. 이것은 모두 순수한 Python 스크립트입니다. 디렉토리를 선택할 수 있습니다.
디렉터리에 있는 모든 파일의 체크섬을 생성합니다. 이를 SQLite 데이터베이스에 넣은 다음 데이터베이스에서 JMP 데이터 테이블을 생성합니다. 이는 약간의 데이터베이스 프로그래밍을 제공하고 Python에서 JMP 데이터 테이블을 생성하고 Python에서 JSL을 실행하는 약간의 JMP를 제공합니다.
선택할 디렉터리입니다. 여기에는 많은 데이터가 있으므로 프레젠테이션에서 쪽모이 세공 폴더를 선택하거나 폴더를 선택하겠습니다. 이제 체크섬 테이블이 생겼습니다. 그들은... 디렉토리에 있는 모든 파일을 확인하고 경로 이름과 파일 내용의 MD5 체크섬을 제공했습니다. 데이터베이스를 구축했습니다. Python에서 JMP 데이터 테이블을 구축하고 JSL을 사용하여 열 너비를 설정합니다.
다시 말하지만, 이는 아직 구현되지 않았지만 살펴볼 목록에 있는 것입니다. 하지만 원하는 경우 Python에서 JSL 작업을 수행할 수 있습니다.
어떤 사람들은 우리에게 R을 원할 수도 있습니다. 이 경우에는 내 컴퓨터와 환경에서 서비스를 사용하여 연결을 만들었습니다. Linux WSL 환경용 Windows 시스템 내에서 서비스를 실행하는 것이 더 쉬웠습니다.
여기 R 서브 악마가 달려오고 있습니다. 그리고 예약된 클라이언트를 사용합니다. 저는 서버에 R 벡터를 생성하고 결과를 합산하고 이 스크립트를 실행하는 등 작은 작업을 수행하고 있습니다. 우리 서버에 연결되었습니다. 벡터를 구하고 모든 요소를 합산하여 6을 얻습니다. 우리의 py2. 우리가 가지고 있는 몇 가지 예도 있습니다. 명령줄에서 작동하는 정말 간단한 작업을 원한다면 일부 프로세스를 사용하여 명령줄에서 R을 실행하고 실행하는 방법에 대한 샘플이 있습니다.
마지막으로 Jon Saul이 그를 도와준 통계 자료입니다. HDB 스캔 Python 패키지를 사용한 샘플을 만듭니다. Matplotlib에서 주의할 점은 다음과 같습니다. Windows의 Matplotlib에는 그래픽 백엔드가 없으므로 출력을 보려면 PyQt5가 가장 잘 작동한다는 것을 알았습니다.
백엔드와. Mac에서 Matplotlib를 사용하는 경우 강제로 AGG로 지정하거나 설치하지 않은 경우 그래픽이 아닌 백엔드로 지정합니다. PyQt5 또는 PySide 중 하나입니다. Mac의 Matplotlib은 자동으로 Cocoa 백엔드로 이동하기 때문에 Mac의 Matplotlib에서 마지막 창을 닫으면 JMP가 종료되는 버그가 있습니다.
강제하는 부분을 방지하기 위해 시스템에서 Matplotlib를 찾으면 백엔드가 있는 경우 Matplotlib를 로드하고 Qt 백엔드를 사용하도록 강제합니다. 그렇지 않으면 우리는 그것이 음 그래픽이 아닌 백엔드인지 확인합니다. 우리는 그것을 백엔드로 만들었습니다. 내 컴퓨터에 PyQt5가 있습니다. 이 샘플을 사용하여 HDB 스캔에서 일부 클러스터링을 실행합니다.
이제 내장된 로그를 보여드리겠습니다. 스크립트를 실행하겠습니다. 우리가 얻은 것은 데이터의 Matplotlib 테이블에 생성된 수치입니다. 여기에서 JMP를 열고 DT 참조를 가져온 것을 볼 수 있습니다. 제가 갖고 있는 샘플들이에요. 믿다.
프레젠테이션을 다시 가져오겠습니다. 가까운 미래에 대한 우리의 우선순위. 지속적인 개선과 개선. JMP와 Python 간의 데이터 상호 운용성을 높입니다. 현재 열 수정 편집의 제한 사항은 모든 유형의 열을 생성할 수 있지만 숫자 및 문자 열, 표현식 열 또는 상태 열에 대한 값만 수정하고 가져올 수 있다는 것입니다. 연결된 테이블 생성은 모두 나중에 수행됩니다.
Python 스크립트 편집기는 코드 색상 표시, 구문 강조 표시를 지원하지만 아직 자동 들여쓰기 지원은 수행하지 않습니다. 우리는 그것에 대해서도 조사할 것입니다.
현대화의 목표는 JMP Python 통합이 즉시 작동하도록 만드는 것이었습니다. 아무런 구성 없이도 JMP와 Python을 사용하여 생산성을 높일 수 있어야 합니다. 즉, 작동하지 않으면 매우 어려운 일이었습니다. Python 프로그래머가 JMP 내에서 생산성을 발휘하는 데 드는 시간을 단축하고 JMP를 만들어 보는 것은 어떨까요? JMP 능력을 향상시킵니다. 외부 Python 패키지를 사용하여 JMP를 쉽게 확장할 수 있으므로 분석 허브가 됩니다.
다른 사람들이 작성한 다양한 데이터 형식을 로드하는 기능을 향상하여 우리가 테스트한 hdf5 형식과 같이 작성하는 데 시간을 들였습니다. 세상에는 수많은 형식이 있습니다. 한 개발팀이 내부적으로 작성할 수 있는 시간보다 더 많은 형식이 있습니다. 하지만 이 방법을 사용하면 Python 패키지를 가져와서 해당 데이터를 JMP 데이터 테이블로 만들어 강력한 성능을 발휘할 수 있습니다. JMP 내에서
시간을 내주셔서 감사합니다. 여러분이 우리가 한 일을 즐겼기를 바라며 피드백에 많은 관심을 가져주시기 바랍니다. 감사해요.
