近年来，越来越多的JMP用户正在处理所谓的大数据，例如每秒从传感器获取的数据、具有许多参数的制造数据以及基因组数据。
如果数据量很大，文件就会更大，需要更多的磁盘空间。
JMP原本有一个在保存数据表时压缩文件的功能，但最新版本JMP 18增加了压缩字符类型列的功能。通过使用此功能，您可以减少文件大小并节省内存。
在本博客中，我们将介绍如何在 JMP 18 中压缩列、解释内部压缩机制，以及在压缩多种类型的数据时比较文件大小。
紧凑字符类型列
在讨论此功能时，需要注意的是，只有字符类型列可以被压缩。数字类型列无法压缩。
下面显示的数据*记录了东京的房地产价格，大约有 400,000 行和 38 列。在此示例中，我们压缩指示区域的“Region”列。
压缩特定字符类型列的操作
- 选择“区域”列，然后选择列 > 列信息。
- 在 JMP 18 中，如果数据类型为“字符”，您可以指定子类型。默认为 [Normal]，但将其更改为[Compact] 。
除了“地区”之外，该数据还包括各种字符串，例如“类型”和“县”。如果您想一次压缩所有这些，最好使用“列管理器”，这也是 JMP 18 中的新功能。
如何使用列管理器一次压缩多个字符串
- 选择列 > 列管理器（或单击列面板中的图标）。
- 单击列管理器顶部的“类型”项可按类型（字母、数字）排序。
- 选择所有类型为字母（写为“ABC”）的列，按住Ctrl键，单击“类型”右侧的项目，然后选择[紧凑] 。
对于压缩文本类型的列，“列”面板中列名称的右侧将添加一个图标，如下所示。
保存使用上述步骤压缩的数据表，并比较压缩前后的文件大小。
通过压缩 130MB 数据，大小减少到 67.1M，大约是一半大小。对于那些担心磁盘空间的人来说是个好消息！
请注意，带有紧凑字符串的数据表无法在 JMP 17 或更早版本中打开。这只是可在 JMP 18 中使用的数据表。
如何压缩列
那么，它如何压缩字符串呢？
压缩后，它在内部存储在两种数据结构中：字符串存储和行存储。
例如，在上面的东京数据中，有一个名为“Municipality”的字符串，表示属性所在的区或城市，但每个不同的字符串都存储在字符串存储中，其索引存储在行存储中。
因此，通过压缩具有长字符或重复数据值的列，预计会减小文件大小。
相反，通过为每行分配唯一的 ID 号来压缩标识数据的字符串可能不会有效。例如，在100行患者数据中，如果有一个ID列，其值为（P1，P2，...，P100）等值来标识患者，那么它将具有唯一的值，没有重复，所以你不会得到任何好处。
下面显示了一些 JMP 示例数据的字符串压缩结果。
某些文件的大小已变小，而某些数据（例如“Probe.jmp”）并未从压缩中受益。
事实上，即使你压缩了一个几MB的文件，文件大小变小了，也不会节省磁盘空间，而且你也不会因为内存大小的节省而体验到任何性能的提升。
好处是当您压缩几十兆字节或更多的数据时。
如果您的数据量很大，字符串较多，请尝试压缩它，看看文件大小是否会变小。
如何始终将字符类型列打开为紧凑列
到目前为止，我们已经介绍了如何通过打开 JMP 数据表来压缩字符串，但还有一个设置可以在您在 JMP 中打开数据时自动压缩字符串。
从 JMP 菜单栏中，打开 [文件] > [首选项]，然后选中“常规”类别中的“将字符类型列打开为紧凑列” 。
通过此设置，不仅 JMP 数据表，Excel、csv、txt 等文件在 JMP 中打开时也会被压缩。
*数据来源 Kaggle，日本房地产价格
日本房地产价格（kaggle.com）
*相关视频（日语）
“JMP 18”对业务有用的新功能〜数据表，报告版本（日语）〜 - JMP 用户社区
by 増川 直裕（JMP Japan）
Naohiro Masukawa - JMP 用户社区
