新版本「JMP 18」不包含先前包含的樣本資料「Boston Housing.jmp」。儘管此範例資料對於說明如何視覺化多元資料和建立預測模型很有用，但由於它包含歧視性、不道德和不公平的內容而被排除在外。
參考
已刪除 JMP® 樣本資料表「Boston Housing.jmp」 - JMP 使用者社區
此外，Python 庫「scikit-learn」曾經包含波士頓住房的範例數據，但出於同樣的原因，它不再包含它。以下是使用 Python 導入 Boston Housing 時顯示的訊息。
-------------------------------------------------- -------------------------------------------------- ----------------------
因此，scikit-learn 維護者強烈反對使用此資料集，除非程式碼的目的是學習和教育
關於資料科學和機器學習中的倫理問題。
在這種特殊情況下，您可以從原始資料中取得資料集
來源：：
將 pandas 導入為 pd
將 numpy 導入為 np
data_url =“ http://lib.stat.cmu.edu/datasets/boston ”
raw_df = pd.read_csv（data_url，sep =“\ s +”，skiprows = 22，標題=無）
資料 = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
目標 = raw_df.values[1::2, 2]
替代數據集包括加州住房數據集和艾姆斯住房數據集。
-------------------------------------------------- -------------------------------------------------- ----------------------
此消息指出「加州住房數據集」是波士頓住房的替代數據之一。不僅是使用美國西海岸的數據而不是東海岸的數據有簡單的區別，而且在數據量和數據性質上也有較大的變化。
JMP 不包含此加州資料作為範例，但您可以使用 JMP 18 中的新 Python 功能包含此資料。我將嘗試使用 JMP 導入它。
JMP 18 的 Python 集成
JMP 長期以來一直能夠連接到安裝在同一台電腦上的 Python，讓您可以從 JMP 中運行 Python 命令和程式庫。
新版本 JMP 18 對 Python 整合功能進行了重大更改和增強。主要變化和增強如下。
- 安裝 JMP 18 也會安裝內建 Python（版本 3.11）。因此，無需與 JMP 分開安裝 Python，它可以與任何已安裝的 Python 實例配合使用。
- 它配備了原生 Python 編輯器（JMP Python 腳本編輯器），可讓您直接編寫 Python 命令。 （以前，唯一的連接方法是使用 JMP 腳本語言 (JSL) 中的 Python 呼叫命令。）
- 您可以使用方便使用 JMP 的 Python 套件（jmp、jmputils）。 jmp 套件對於操作資料表（開啟、關閉、新增/刪除/變更列等）非常有用，jmputils 是在 JMP Python 環境中安裝套件的便利套件。
啟動並運行 JMP Python 腳本編輯器
從 JMP 18 功能表列啟動 Python 腳本，編寫 Python 程式並執行它（編輯 > 運行腳本）。
以下是將 pandas dataframe 格式的 scikit-learn 資料集讀取為 JMP 資料表的程式碼。將此程式碼貼到您的 JMP Python 腳本中我會做。
#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)
注意：JMP 的 Python 也要求您安裝要使用的軟體套件。此範例使用 pandas 和 scikit-learn 軟體包，因此如果您沒有安裝它們，請註解掉上面的第二行和第三行（刪除 #）並運行它們。
加州資料集
這是使用 JMP 載入的資料集。它顯示了加州 20,640 個街區的房價中位數，即目標變數 (Y)。解釋變數包括每個街區的收入（中位數）、建築年齡（中位數）、每戶平均房間和臥室數量、人口、家庭成員數量（平均值）、緯度和經度。
使用緯度和經度信息，我使用“Graph Builder”在地圖上繪製了每個街區的房價 (MedHouseVal)。 
沿海地區的房價似乎較高，尤其是舊金山和洛杉磯等大城市週邊。
在接下來的第 2 部分中，我們將使用這次介紹的加州資料集來更詳細地解釋 JMP 18 的新功能。
作者：Naohiro Masukawa（JMP 日本）
Naohiro Masukawa - JMP 使用者社區
