942295_fr-FR
Intégration Python de JMP 19 : ValueError : année 0 lors de la conversion d’une table de données en Pandas
Bonjour à tous,
I am upgrading my scripts from JMP18 to JMP19 and 'm hitting a particular roadblock with this integration. In JMP 18, I used custom function to loop through columns and create Pandas DataFrame. It worked perfectly. However in JMP19, the exact code throws a
ValueError: year 0 is out of range.
Here is the snippet:
Python Send("raw_data");
</CODE>
</DIV>
<DIV class="Y3BBE" data-sfc-cp="" data-sfc-root="c" data-sfc-cb="" data-hveid="CAEIBRAA" data-complete="true" data-processed="true">
<PRE>def jmp_to_pandas(jmp_table):
cols = list(jmp_table)
data_dict = {}
for col in cols:
data_dict[col.name] = list(col)
return pd.DataFrame(data_dict)
</PRE>
<CODE class="KDcb0c" dir="ltr" data-sae="" data-complete="true" data-sfc-cb="" data-sfc-root="c">data1 = jmp_to_pandas(raw_data)
</CODE>
</DIV>
<DIV class="Y3BBE" data-sfc-cp="" data-sfc-root="c" data-sfc-cb="" data-hveid="CAEIBRAA" data-complete="true" data-processed="true">
<CODE class="KDcb0c" dir="ltr" data-sae="" data-complete="true" data-sfc-cb="" data-sfc-root="c">
Questions :
- Quelle est la méthode officielle JMP 19 pour convertir une table de données ouverte en un DataFrame Pandas ?
- Has the
jmp module structure changed? I'm finding it difficult to locate the updated JMP 19 Python API reference on the website.
- Comment gérer les dates nulles de l'« Année 0 » ou de JMP (époque 1904) dans JMP 19 pour éviter les plantages liés à la gestion des dates et heures en Python ?
</CODE>
</DIV>
</DIV>
</LINGO-BODY>
<LINGO-LABS id="lingo-labs-942295" slang="en-US" mode="CREATE">
<LINGO-LABEL>Automatisation et scriptage</LINGO-LABEL>
<LINGO-LABEL>Accès aux données</LINGO-LABEL>
<LINGO-LABEL>Exploration et visualisation des données</LINGO-LABEL>
<LINGO-LABEL>Ingénierie de la qualité et des procédés</LINGO-LABEL>
</LINGO-LABS>
<LINGO-SUB id="lingo-sub-942305" slang="en-US" mode="CREATE" translate="no">Re: Intégration Python de JMP 19 : ValueError : année 0 lors de la conversion d’une table de données en Pandas</LINGO-SUB>
<LINGO-BODY id="lingo-body-942305" slang="en-US" mode="CREATE">
<P><A href="https://community.jmp.com/t5/JMPer-Cable/Going-further-with-Python-in-JMP-19/m-p/898522#U898522" class="lia-mention-container-editor-message lia-img-icon-blog-thread lia-fa-icon lia-fa-blog lia-fa-thread lia-fa" target="_blank">Poursuivre l'utilisation de Python dans JMP 19</A> est probablement un bon point de départ.</P>
</LINGO-BODY>
<LINGO-SUB id="lingo-sub-943465" slang="en-US" mode="CREATE" translate="no">Re: Intégration Python de JMP 19 : ValueError : année 0 lors de la conversion d’une table de données en Pandas</LINGO-SUB>
<LINGO-BODY id="lingo-body-943465" slang="en-US" mode="CREATE">
<P>Pour obtenir les informations les plus récentes sur l'API de l'objet <STRONG>d'importation jmp</STRONG> , consultez la catégorie « Python » de l'index de script de JMP. La documentation et les exemples de code contiennent les dernières mises à jour. Le module jmp a fait l'objet de mises à jour importantes dans la version 19.</P>
<P>Au vu de votre fonction, je dirais que c'est Pandas qui génère l'erreur ValueError : Pandas a changé entre sa version Python 3.11 utilisée dans JMP 18 et la version Python 3.13 utilisée dans JMP 19.</P>
<P>Consultez l'exemple d'index de script sur jmp.DataTable.from_dataframe(). Vous y trouverez de nombreux exemples, aussi bien pour importer que exporter des données depuis et vers des tables de données JMP et d'autres objets Python compatibles avec les dataframes : Pandas, Polars, Ibis, etc.</P>
<P>Plus précisément, des exemples de conversion de Pandas vers JMP et de JMP vers Pandas.</P>
<P>Exemple JMP vers Pandas :</P>
<PRE class="lia-code-sample language-python"><CODE>import jmp
import jmputils
try:
if not jmputils.is_installed('pandas'):
jmputils.jpip('install', 'pandas', echo=False)
except Exception as e:
print(f'Install failed with exception: {e}')
import pandas as pd
dt = jmp.open(jmp.SAMPLE_DATA + "Big Class.jmp")
pandas_df = (pd.api.interchange.from_dataframe(dt))
print(pandas_df)
Comments
There are no comments yet