使用 Kotlin Notebook、DataFrame 和 Kandy 分析数据
以交互式方式探索和直观呈现数据，用户能够找出静态分析可能无法立即展现的隐藏模式、趋势和关系。 这种即时反馈让用户可以快速验证假设、识别异常值或异常情况，并调整分析。
Kotlin Notebook 是用于在 IntelliJ IDEA 中探索数据的便捷工具。 它使用 Kotlin 内核在单元中执行 Kotlin 代码的片段，然后在编辑器中呈现数据。 它集成了多种库来简化数据分析，例如用于数据处理的 Kotlin DataFrame 和用于图表创建的 Kandy。
最近，Roman 和 Anton 探索了数据分析工具的威力（直播录像）。 在这篇博文中，我们添加了直播中的示例，让您可以方便地使用 DataFrame 和 Kandy 库尝试 Kotlin Notebook 插件。
您可以使用我们为您准备的项目探索 GitHub 仓库。 项目包含直播期间使用的 CSV 文件，您可以由此尝试重建演示的示例。
开始使用 Kotlin Notebook
要开始使用 Kotlin Notebook，您只需转到 IntelliJ IDEA Ultimate 中的 Settings | Plugins（设置 | 插件）标签页并从 JetBrains Marketplace 安装插件。 安装插件后，您就可以使用 New | Kotlin Notebook（新建 | Kotlin Notebook）操作创建您的第一个 Notebook：
创建后，Notebook 将包含一个空单元。 单元是 Notebook 的主要组件，可以包含代码或文本。 要运行代码单元，请点击 Run（运行）按钮或使用 Ctrl+Enter 快捷键。 代码将被执行，输出或错误将在单元下方显示。
您可以增量执行单元，这样先前执行的单元所做的计算无需重新运行即可使用。 这篇博文介绍了 Kotlin Notebook 的基础知识。
使用 DataFrame 读取和探索数据
我们从 Notebook 开始，看一看如何使用 DataFrame 库分析数据。 数据源是这个 CSV 文件，其中包含在阿姆斯特丹地区收集的天气信息。
将 CSV 文件从 Project（项目）视图拖放到 Notebook 单元中。 Notebook 会自动生成引导代码，将 DataFrame 库添加为依赖项并读取 CSV 文件。
数据有不同的格式，您需要根据用例调整解析选项。 例如，您可以为解析指定分隔符或日期格式。 有关详情，请参阅 API 文档。
列类型默认推断自 CSV 数据。 因此，我们能够以 Kotlin 编译器支持的类型安全方式处理数据。 读取数据后，您可以在 DataFrame 实例上使用 schema 函数检查推断的类型，如下所示：
还可以使用 describe 函数快速获得数据的统计概览：
describe 函数提供数据统计信息：数值列的最大值和最小值、唯一值和空值的计数等。 这些统计可以协助进一步的数据探索。
DataFrame API 提供了丰富的数据操作选项：选择、筛选、聚合操作等。
下图显示了筛选的示例。 数据已筛选至 2023 年，仅包含“datetime”列以及标题中包含“wind”一词的列：
假设，我们想要探索数据以找到统计温度最高的年份。 我们可以采取以下步骤：首先，根据 `temp` 特性以降序对 DataFrame 实例的元素进行排序。 然后，保留此排序列表的前 30 个元素。 然后，基于“datetime”的“year”特性的任何重复元素都应被移除。 得出的列表将包含具有最高 temp 值的 30 个元素中的独特元素（以年份为单位）。
我们需要从“datetime”列值中提取“year”。 为此，我们使用 expr 函数，它会创建一个仅包含年份的临时表达式列。 然后，表达式作为形参提供给 `distinct` 函数来获得最终结果。
从统计数据来看，近年来天气越来越暖。 然而，这样的趋势仅凭数字难以识别。 如果以直观方式呈现，数据就会更容易理解。 为此，我们使用 Kandy 库创建一些图表。
使用 Kandy 直观呈现数据
针对绘图，我们最近引入了 Kandy 库。 Kandy 可以用作独立库来生成图表，也可以方便地与 Kotlin Notebook 集成。 库提供的简单 DSL 能够生成各类图表。 丰富的示例图库包含可以使用 Kandy 生成的多种图表。
将 %use kandy 行添加到单元并执行，即可开始结合使用 Kandy 与 Kotlin Notebook。 这将自动加载最新稳定版本的 Kandy，添加所有必要 import，并添加绘图呈现。
对于 DataFrame，Kandy 提供了 plot 扩展函数来直观呈现数据。 这可以帮助我们快速绘制示例中的图表。
例如，按日期绘制温度值。 只需选择图表类型“line”，然后映射值：温度值映射到 y 轴，年份将显示在 x 轴上。 此外，我们也可以根据湿度改变绘图线的颜色 – 这将有助于深入展示温度与湿度之间的相关性。 从结果来看，我们可以得出结论：温度越低，湿度越大。
总结
Kotlin Notebook 是具有多种输出的交互式工作表，可用于探索和测试 Kotlin 代码，无需额外环境设置。
借助 Kotlin DataFrame 和 Kandy 等集成库，您可以探索、直观呈现、查找模式，以及了解有关数据的有趣信息。 您可以探索本文提供的仓库和示例，快速上手 Kotlin Notebook。
如需详细了解面向数据科学的 Kotlin，可以查看文档中的入口页面和加入 Kotlin Slack 中的 #datascience 频道。
本博文英文原作者：
Subscribe to Kotlin Blog updates
