새 버전 'JMP 18'에는 이전에 탑재된 샘플 데이터 'Boston Housing.jmp'가 포함되어 있지 않습니다. 이 샘플 데이터는 다변량 데이터를 시각화하고 예측 모델을 구축하는 방법을 설명하는 데 유용했지만 차별적, 비윤리적, 불공평한 내용이 포함되어 있으므로 제외되었습니다.
참고
JMP® 샘플 데이터 테이블 "Boston Housing.jmp"가 제거됨 - JMP User Community
또한 파이썬 라이브러리 'scikit-learn'에는 한 번 Boston Housing의 샘플 데이터가 포함되어 있었지만 같은 이유로 현재는 포함되지 않았습니다. 다음은 Python에서 Boston Housing을 가져올 때 표시되는 메시지입니다.
------------------------------------- ------------------------------------- ---------
따라서 scikit-learn 관리자는 코드의 목적이 연구 및 교육이 아닌 이상 이 데이터 세트의 사용을 강력히 권장하지 않습니다.
데이터 과학 및 기계 학습의 윤리적 문제에 대해.
이 특별한 경우에는 원본에서 데이터세트를 가져올 수 있습니다.
원천::
팬더를 PD로 가져오기
numpy를 np로 가져오기
data_url = " http://lib.stat.cmu.edu/datasets/boston "
raw_df = pd.read_csv(data_url, sep="\s+", skirows=22, header=None)
데이터 = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
대상 = raw_df.values[1::2, 2]
대체 데이터세트에는 캘리포니아 주택 데이터세트와 theAmes 주택 데이터세트가 포함됩니다 .
------------------------------------- ------------------------------------- ---------
이 메시지는 Boston Housing의 대체 데이터 중 하나로 "California housing dataset"이 있다는 것을 설명합니다. 미국 동해안의 데이터가 아니라 서해안의 데이터를 사용한다는 단순한 차이뿐만 아니라, 데이터수나 데이터의 성질도 크게 변화하고 있습니다.
JMP에서이 California 데이터는 샘플로 포함되지 않지만 JMP 18의 Python과 관련된 새로운 기능을 사용하여이 데이터를JMP로 읽어 보겠습니다.
JMP 18 파이썬 통합
JMP는 이전부터 같은 머신에 설치된 Python에 연결하는 기능을 가지고 있으며 JMP에서 Python 명령과 라이브러리를 실행할 수있었습니다.
새로운 버전인 JMP 18에서는 파이썬 통합 기능이 크게 변경되고 향상되었습니다. 주요 변경점, 강화점은 다음과 같습니다.
- JMP 18을 설치하면 동시에 내장된 Python(버전 3.11)이 설치됩니다. 따라서 JMP와 별도로 Python을 설치할 필요가 없으며 설치된 Python 인스턴스에서 작동합니다.
- 네이티브 Python 편집기 (JMP Python 스크립트 편집기)가 탑재되어이 편집기에서 직접 Python 명령을 작성할 수 있습니다. (이전에는 JMP 스크립팅 언어 (JSL)에서 Python 호출 명령을 사용하여 연결하는 방법 만있었습니다.)
- JMP 사용에 편리한 Python 패키지 (jmp, jmputils)를 사용할 수 있습니다. jmp 패키지는 데이터 테이블 작업(열기, 닫기, 열 추가/제거/변경 등)에, jmputils는 JMP의 Python 환경에 패키지를 설치할 때 유용한 패키지입니다.
JMP Python 스크립트 편집기 시작 및 실행
JMP 18 메뉴 바에서 Python 스크립트를 시작하고 Python 프로그램을 작성하고 실행 (편집> 스크립트 실행).
다음은 scikit-learn 데이터 세트를 pandas dataframe 형식으로 한 것을 JMP 데이터 테이블로 읽는 코드입니다. 이 코드를 JMP Python 스크립트에 붙여넣기실행합니다.
#Install pandas and scikit-learn packages if you have not installed
#import jmputils
#jmputils.jpip('install', 'pandas scikit-learn')
#California dataset
from sklearn.datasets import fetch_california_housing
import pandas as pd
import jmp
california = fetch_california_housing()
# Transform to pandas DataFrame
df_features = pd.DataFrame(data=california.data, columns=california.feature_names)
df_features['MedHouseVal'] = california.target
column_names = df_features.columns.tolist()
# Create JMP Datatable from pandas DataFrame
dt = jmp.DataTable('California',df_features.shape[0])
for i in range( df_features.shape[1] ):
dt.new_column(column_names[i])
dt[i] = list(df_features.iloc[:,i])
# About california_housing_dataset
print(california.DESCR)
참고 : JMP의 Python에서도 사용할 패키지를 미리 설치해야 합니다. 이 예에서는 pandas, scikit-learn 패키지를 사용하므로 설치하지 않은 경우 위의 2,3 행을 주석 처리 (# 삭제)하여 실행하십시오.
California 데이터 세트
JMP로 읽은 데이터 세트입니다. 캘리포니아의 20,640블록의 주택 가격(중앙값)을 나타내며, 이것이 목적 변수(Y)가 됩니다. 설명 변수에는 블록당 소득(중앙값), 축년수(중앙값), 가구당 평균 방수 및 침실 수, 인구, 가구 인원수(평균값), 위도, 경도의 8개가 포함됩니다.
위도, 경도의 정보를 이용해, 「그래프 빌더」를 사용해 각 블록의 주택 가격(MedHouseVal)을 지도상에 플롯 해 보았습니다. 
해안을 따라 블록, 특히 샌프란시스코와 로스 앤젤레스와 같은 큰 도시 주변의 주택 가격이 높은 것 같습니다.
다음 Part 2에서는 이번에 소개한 California 데이터 세트를 사용하여 JMP 18의 새로운 기능에 대해 자세히 설명합니다.
by 마스카와 나오히로(JMP Japan)
마스카와 나오히로 - JMP 사용자 커뮤니티
