近年來，越來越多的JMP用戶正在處理所謂的大數據，例如每秒從感測器獲取的數據、具有許多參數的製造數據以及基因組數據。
如果資料量很大，檔案就會更大，需要更多的磁碟空間。
JMP原本有一個在儲存資料表時壓縮檔案的功能，但最新版本JMP 18增加了壓縮字元類型列的功能。透過使用此功能，您可以減少檔案大小並節省記憶體。
在本部落格中，我們將介紹如何在 JMP 18 中壓縮列、解釋內部壓縮機制，以及在壓縮多種類型的資料時比較檔案大小。
緊湊字元類型列
在討論此功能時，需要注意的是，只有字元類型列可以被壓縮。數字類型列無法壓縮。
下面顯示的數據*記錄了東京的房地產價格，大約有 400,000 行和 38 列。在此，我們壓縮指示區域的“區域”列。
壓縮特定字元類型列的操作
- 選擇“區域”列，然後選擇“列”>“列資訊”。
- 在 JMP 18 中，如果資料類型為“字元”，您可以指定子類型。預設為 [Normal]，但將其變更為[Compact] 。
除了“地區”之外，該資料還包括各種字串，例如“類型”和“縣”。如果您想一次壓縮所有這些，最好使用“列管理器”，這也是 JMP 18 中的新功能。
如何使用列管理器一次壓縮多個字串
- 選擇列 > 列管理員（或按一下列面板中的圖示）。
- 按一下資料列管理器頂部的「類型」項目可依類型（字母、數字）排序。
- 選取所有類型為字母（寫為「ABC」）的列，按住Ctrl鍵，按一下「類型」右側的項目，然後選擇[緊湊] 。
對於壓縮文字類型的列，「列」面板中列名稱的右側將新增一個圖標，如下所示。
儲存使用上述步驟壓縮的資料表，並比較壓縮前後的檔案大小。
透過壓縮 130MB 數據，大小減少到 67.1M，大約是一半大小。對於那些擔心磁碟空間的人來說是個好消息！
請注意，帶有壓縮字串的資料表無法在 JMP 17 或更早版本中開啟。這只是可在 JMP 18 中使用的資料表。
如何壓縮列
那麼，它是如何壓縮字串的呢？
壓縮後，它在內部儲存在兩種資料結構中：字串儲存和行儲存。
例如，在上面的東京資料中，有一個名為「Municipality」的字串，表示屬性所在的區或城市，但每個不同的字串都儲存在字串儲存中，其索引儲存在行儲存中。
因此，透過壓縮具有長字元或重複資料值的列，預計會減少檔案大小。
相反，透過為每行分配唯一的 ID 號碼來壓縮識別資料的字串可能不會有效。例如，在100行患者資料中，如果有一個ID列，其值為（P1，P2，...，P100）等值來識別患者，那麼它將具有唯一的值，沒有重複，所以你不會得到任何好處。
下面顯示了一些 JMP 範例資料的字串壓縮結果。
某些檔案的大小已變小，而某些資料（例如「Probe.jmp」）並未從壓縮中受益。
實際上，即使壓縮了幾MB的文件，文件大小變小，也不會節省磁碟空間，並且不會因為內存大小的節省而體驗到任何性能提升。
好處是當您壓縮幾十兆位元組或更多的資料時。
如果您的資料量很大，字串較多，請嘗試壓縮它，看看檔案大小是否會變小。
如何始終將字元類型列開啟為緊湊列
到目前為止，我們已經介紹瞭如何透過開啟 JMP 資料表來壓縮字串，但還有一個設定可以在您在 JMP 中開啟資料時自動壓縮字串。
從 JMP 功能表列中，開啟 [檔案] > [首選項]，然後選取「常規」類別中的「將字元類型列開啟為緊湊列」 。
透過此設置，不僅 JMP 資料表，Excel、csv、txt 等檔案在 JMP 中開啟時也會被壓縮。
*資料來源 Kaggle，日本房地產價格
日本房地產價格 (kaggle.com)
*相關影片（日文）
「JMP 18」對業務有用的新功能〜數據表，報告版本（日語）〜 - JMP 用戶社區
by 増川直裕（JMP Japan）
Naohiro Masukawa - JMP 使用者社區
