Uso interactivo de JMP-pro y Python¿Existe alguna forma de utilizar Python y JMP de forma interactiva para aprovechar las fortalezas de ambos?
Por ejemplo, me gustaría realizar la exploración, visualización y filtrado de datos en JMP.
y realizar algunos cálculos adicionales en Python (llamados desde JMP). Actualmente JMP parece
Ignorar todas las configuraciones de filtro aplicadas y los metadatos (especificaciones, objetivos).
¿Es posible (o quizás en un futuro próximo en una próxima versión) que Python utilice
no solo todos los datos JMP, sino también un subconjunto definido en el filtro y que además conserva
las definiciones de variables (especificaciones, etc.)
Tal como está ahora, no veo el valor añadido de que Python esté presente en JMP, ya que no se integra completamente.
Atentamente,
Eduard
Automatización y scriptingRe: Uso interactivo de JMP-pro y PythonEsto ya es posible, pero requiere cierto trabajo de programación. Además, esta es una buena demostración del gran valor que ya ofrece la integración con Python: Torch Deep Learning para JMP® Pro.
Re: Uso interactivo de JMP-pro y Python¿Qué versión de JMP Pro estás usando? Te pregunto porque con cada versión de JMP, la integración con Python se ha estrechado. Me interesan tus comentarios sobre las definiciones y especificaciones de filtros que escribiste. ¿Buscas que todas las propiedades de columna de JMP se gestionen automáticamente en un marco de datos de Python? Me gustaría saber cómo prevés que esto se integre con las distintas bibliotecas de Python.
Re: Uso interactivo de JMP-pro y PythonMagnífica implementación de Python en JMP:
JMPyFacade: Uniendo JMP y Python para un análisis atractivo y fluido
Creo que @jthi utiliza un subconjunto privado para transferir los datos a Python y obtener los resultados de vuelta a JMP.
Con este enfoque, se evitan la mayoría de los problemas mencionados.
Re: Uso interactivo de JMP-pro y PythonJMP ha dedicado más de 30 años de desarrollo, muchos siglos, a JMP. La integración con Python, iniciada con JMP 18, ha avanzado drásticamente en tan solo dos versiones principales de JMP. La filosofía de diseño ha sido proporcionar al usuario herramientas adicionales y mejorar el flujo de trabajo de Python, no reescribir la compatibilidad con JSL. Queremos asegurarnos de que todo lo que desarrollamos en el entorno Python se comporte como un programador Python esperaría. Las capacidades integradas mejoran con cada versión. A veces, esto significa que JSL es el mejor lugar para trabajar, otras veces, Python es el mejor lugar.
La integración con Python permite instalar compatibilidad con tipos de archivos adicionales o estadísticas adicionales que JMP no ha implementado. Incluso se puede acceder a las GPU desde Python mediante paquetes adecuados como PyOpenCL o PyCuda. (Y, por supuesto, la tarjeta de vídeo y los controladores adecuados).
El enfoque actual en 18 y 19 ha sido la interoperabilidad de datos entre JMP, JSL y Python. Transmitir datos eficientemente entre entornos para que pueda desarrollar la base que hemos proporcionado.
En 19, incorporamos nuestra compatibilidad con SAS, R, Matlab y Data Connectors a la integración con Python. El Índice de Scripting contiene numerosos ejemplos que muestran los detalles de la interoperabilidad entre JMP y JSL.
Las sugerencias son siempre bienvenidas. Sin duda, podemos analizar qué implica el filtrado de datos. La tabla de datos que Python ve es la misma que JSL. jmp.globals[] y jmp.here[] de JMP 19 permiten a Python acceder directamente a las variables JSL en los espacios de nombres "globals" y "here".
