914681_it-IT

liliconcom

Utilizzo interattivo di JMP-pro e Python

Esiste un modo per utilizzare Python e JMP insieme in modo interattivo per sfruttare entrambi i punti di forza?

Ad esempio, vorrei eseguire la navigazione, la visualizzazione e il filtraggio dei dati in JMP
e fare alcuni calcoli aggiuntivi in ​​Python (chiamati da JMP). Attualmente JMP sembra
per ignorare tutte le impostazioni del filtro applicate e i metadati (specifiche, obiettivi).

È possibile (o forse nel prossimo futuro in una prossima versione) che Python utilizzi
non solo TUTTI i dati JMP ma anche un sottoinsieme definito nel filtro e conserva anche
le definizioni delle variabili (specifiche ecc.)

Allo stato attuale, non vedo il valore aggiunto della presenza di Python in JMP, poiché non si integra completamente.

Distinti saluti,
Edoardo

Automazione e scriptingRe: Uso interattivo di JMP-pro e Python

È già possibile farlo, ma richiede un po' di impegno nella scrittura di script. Inoltre, questa è un'ottima dimostrazione del valore già notevole dell'integrazione con Python: Torch Deep Learning per JMP® Pro.

Re: Uso interattivo di JMP-pro e Python

Quale versione di JMP Pro stai utilizzando? Il motivo per cui te lo chiedo è che con ogni versione di JMP, l'interrelazione con Python si è fatta più stretta. Sono curioso di sapere cosa ne pensi delle definizioni e delle specifiche dei filtri che hai scritto. Stai cercando di gestire automaticamente tutte le proprietà delle colonne in JMP in un data frame Python? Sono curioso di sapere come pensi che questo venga implementato nelle varie librerie Python?

Re: Uso interattivo di JMP-pro e Python

Meravigliosa implementazione di Python in JMP:
JMPyFacade: un ponte tra JMP e Python per un'analisi coinvolgente e senza interruzioni

Penso che @jthi utilizzi un sottoinsieme privato per trasferire i dati in Python e per restituire i risultati a JMP.
Con questo approccio si evita la maggior parte dei problemi menzionati.

Re: Uso interattivo di JMP-pro e Python

JMP è frutto di oltre 30 anni di sviluppo, molti secoli di lavoro. L'integrazione con Python, iniziata con JMP 18, ha fatto passi da gigante nell'arco di sole due versioni principali di JMP. La filosofia di progettazione è stata quella di fornire all'utente strumenti aggiuntivi e migliorare il flusso di lavoro Python, non di riscrivere il supporto JSL. Vogliamo garantire che tutto ciò che sviluppiamo nell'ambiente Python si comporti come un programmatore Python si aspetterebbe. Le funzionalità integrate migliorano a ogni rilascio. A volte questo significa che JSL è il posto migliore in cui lavorare, altre volte Python è il posto giusto.

L'integrazione con Python può essere utilizzata per installare il supporto per altri tipi di file o statistiche aggiuntive non implementate da JMP. Anche le GPU possono essere accessibili da Python utilizzando pacchetti appropriati come PyOpenCL o PyCuda. (E, naturalmente, schede video e driver appropriati).

L'attenzione attuale nelle versioni 18 e 19 è rivolta all'interoperabilità dei dati tra JMP, JSL e Python. Ottenere dati in modo efficiente tra gli ambienti, in modo da poter costruire sulle basi che abbiamo fornito.

Nel 2019 abbiamo sviluppato il nostro supporto per SAS, R, Matlab e Data Connector basandoci sull'integrazione Python. Nell'indice degli script sono disponibili numerosi esempi che illustrano i dettagli dell'interoperabilità tra JMP e JSL.

I suggerimenti sono sempre benvenuti. Possiamo certamente esaminare cosa comporta rispettare il filtraggio dei dati. La tabella dati vista da Python è la stessa tabella dati vista da JSL. jmp.globals[] e jmp.here[] di JMP 19 forniscono a Python accesso diretto alle variabili JSL negli spazi dei nomi globals e here.