Utilisation interactive de JMP-pro et PythonExiste-t-il un moyen d'utiliser Python et JMP de manière interactive afin d'exploiter leurs atouts respectifs ?
Par exemple, j'aimerais effectuer la navigation, la visualisation et le filtrage des données dans JMP.
et effectuer des calculs supplémentaires en Python (appelé depuis JMP). Actuellement, JMP semble
ignorer tous les paramètres de filtre appliqués et les métadonnées (spécifications, cibles).
Est-il possible (ou peut-être dans un avenir proche, dans une prochaine version) que Python utilise
non seulement TOUTES les données JMP, mais aussi un sous-ensemble défini dans le filtre et qui conserve également
les définitions des variables (spécifications, etc.)
En l'état actuel des choses, je ne vois pas la valeur ajoutée de la présence de Python dans JMP, car il n'est pas totalement intégré.
Cordialement,
Édouard
Automatisation et scriptageRe: Utilisation interactive de JMP-pro et PythonC'est déjà possible, mais cela nécessite un peu de programmation. De plus, cet exemple illustre parfaitement la grande valeur ajoutée de l'intégration Python : Torch Deep Learning pour JMP® Pro
Re: Utilisation interactive de JMP-pro et PythonQuelle version de JMP Pro utilisez-vous ? Je vous pose la question car, à chaque nouvelle version de JMP, l’intégration avec Python s’est renforcée. Je suis curieux de connaître vos commentaires concernant les définitions et spécifications des filtres que vous avez rédigés. Souhaitez-vous que toutes les propriétés des colonnes de JMP soient automatiquement gérées dans un dataframe Python ? Comment envisagez-vous leur intégration aux différentes bibliothèques Python ?
Re: Utilisation interactive de JMP-pro et PythonExcellente implémentation de Python dans JMP :
JMPyFacade : Un pont entre JMP et Python pour une analyse interactive et fluide
Je pense que @jthi utilise un sous-ensemble privé pour transférer les données vers Python et récupérer les résultats dans JMP.
Cette approche permet d'éviter la plupart des problèmes mentionnés.
Re: Utilisation interactive de JMP-pro et PythonJMP représente plus de 30 années calendaires, soit plusieurs siècles humains, d'efforts de développement. L'intégration Python, amorcée avec JMP 18, a connu une progression fulgurante en seulement deux versions majeures. Notre philosophie de conception a consisté à fournir à l'utilisateur des outils supplémentaires et à optimiser le flux de travail Python, sans pour autant réécrire la prise en charge de JSL. Nous veillons à ce que tout ce que nous développons dans l'environnement Python se comporte comme un programmeur Python s'y attend. Les fonctionnalités intégrées s'améliorent à chaque nouvelle version. Parfois, JSL s'avère être le langage de programmation le plus adapté, parfois Python.
L'intégration Python permet d'ajouter la prise en charge de types de fichiers supplémentaires ou des statistiques complémentaires non implémentées par JMP. Il est même possible d'accéder aux GPU depuis Python grâce à des bibliothèques appropriées telles que PyOpenCL ou PyCuda (et bien sûr, une carte graphique et ses pilotes compatibles).
Les travaux menés en 2018 et 2019 ont porté principalement sur l'interopérabilité des données entre JMP, JSL et Python. L'objectif est de faciliter le transfert de données entre ces environnements afin de vous permettre de tirer parti des bases que nous avons mises en place.
En 2019, nous avons étendu notre prise en charge de SAS, R, Matlab et des connecteurs de données à l'intégration Python. L'index des scripts contient de nombreux exemples illustrant en détail l'interopérabilité entre JMP et JSL.
Les suggestions sont toujours les bienvenues. Nous pouvons certainement examiner les modalités de prise en charge du filtrage des données. La table de données vue par Python est identique à celle vue par JSL. Les fonctions `jmp.globals[]` et `jmp.here[]` de JMP 19 permettent à Python d'accéder directement aux variables JSL définies dans les espaces de noms `globals` et `here`.
