一. 前言
Tablesaw是一款Java的数据可视化库，主要包括两部分：
- 数据解析库，主要用于加载数据，对数据进行操作(转化，过滤，汇总等)，类比Python中的Pandas库；
- 数据可视化库，将目标数据转化为可视化的图表，类比Python中的Matplotlib库。
与Pandas不同的是，Tablesaw中的表格以列(Column)为基本单位，因此大部分操作都是基于列进行的。当然也包括部分对行操作的函数，但是功能比较有限。
首先我们看一下Tablesaw支持的导入和导出文件的类型：
官方教程几乎包括了所有的操作：https://jtablesaw.github.io/tablesaw/userguide/toc，
下面我就介绍一下我在写项目中使用到的一些操作。
二. Maven导入包
<dependency>
<groupId>tech.tablesaw</groupId>
<artifactId>tablesaw-core</artifactId>
<version>LATEST</version>
</dependency>
<dependency>
<groupId>tech.tablesaw</groupId>
<artifactId>tablesaw-excel</artifactId>
<version>LATEST</version>
</dependency>
三. 基本操作
Tablesaw中的列包括很多种数据类型，常用的包括：字符串列(StringColumn)、整型列(IntColumn)、浮点列(DoubleColumn)、日期时间列(DateTimeColumn)等，每一种列提供的API都大同小异。
/*1. 创建一个空列*/
DoubleColumn column = DoubleColumn.create("column name");
/*2. 创建一个有初始值的列*/
double[] values = {1, 2, 3, 7, 9.44242, 11};
DoubleColumn column = DoubleColumn.create("column name", values);
/*添加数据*/
column.append(value)
/*编辑数据*/
doubleColumn.set(index, value);
/*删除数据*/
//方式1
column.setMissing(0);
column = column.removeMissing();
//方式2
//这里用到了后面过滤的api
column.setMissing(index);
Selection sl = column.isNotMissing();
column = column.where(sl);
name() // 返回列名
type() // 返回列的数据类型，比如LOCAL_DATE
size() // 返回列的长度
isEmpty() // 返回列是否为空
first(n) and last(n) // 返回列前/后n个数
max() and min() // 返回列的最大值/最小值
top(n) and bottom(n) // 返回n个最大/最小的数
print() // 返回列的字符串类型，用于输出
copy() // 复制一份新列
unique() // 返回列中的元素并只出现一次
countUnique() // 返回列中元素的种类
void sortAscending() // 升序排列
void sortDescending() // 降序佩列
append(otherColumn) // 将其他列添加到这个列后面
removeMissing() // 返回去除missing元素后的列
筛选可以说是最重要的操作之一，它可以帮助我们选出我们想要的元素。以下面这个列为例：
double[] values = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
DoubleColumn column = DoubleColumn.create("column name", values);
Column: column name
1
2
3
4
5
6
7
8
9
10
筛选的第一步操作是创建一个表达式，比如我想筛选出所有大于5的数：
Selection limit = column.isGreaterThan(5);
然后就可以用where(Selection)函数进行筛选：
DoubleColumn column_new = column.where(limit);
Column: column name
6
7
8
9
10
Tablesaw提供了非常多的表达式，几乎可以满足我们所有的需求：
对于DateColumn和DateTimeColumn这种时间相关的列而言，他们有一些特殊的表达式：
它可以帮助我们筛选出我们想要的日期，同时我们也可以通过先获取日期列的年/月/日/时/分/秒来得到一个新的列，再对列进行筛选。比如我想筛选出所有凌晨6点-7点的时间：
datetimecolumn.hour().isEqualTo(6);
列筛选是表格筛选的基础，后面还会继续讲解如何进行表格筛选。
以下面这个列为例：
double[] values = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
DoubleColumn column = DoubleColumn.create("column name", values);
比如我们想替换所有大于5的数为100，那么可以：
Selection limit = doublecolumn.isGreaterThan(5);
doublecolumn.set(limit, 100.0);
比如我们可以将所有缺失值设置为平均值：
double avg = doubleColumn.mean();
doubleColumn.set(doubleColumn.isMissing(), avg)
将列输出到终端显示：
System.out.println(doublecolumn.print());
Tablesaw有大量创建、查询、操作、显示和保存表的方法，而且对表的许多操作都会返回其他表。例如，当您要求一个表描述其结构时，它会返回一个包含列名、类型和顺序的新表。
/*方式一：添加列到表格中*/
Table t = Table.create("name", column1, column2, column3...)
//比如：
double[] values1 = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
DoubleColumn column1 = DoubleColumn.create("column1", values1);
double[] values2 = {2, 1, 4, 4, 5, 6, 6, 1, 8, 4};
DoubleColumn column2 = DoubleColumn.create("column2", values2);
/*方式二：从文件中导入*/
Table t = Table.read().csv("myFile.csv");
当我们想从文件中导入表格时，我建议采用以下方法：
Table.read().file(File file);
Table.read().file(String path);
采用这种方式可以既可以导入.csv格式的文件，也可以导入.xlsx和.xls格式的文件，但是这种方式不能指定导入文件的sheet，如果想要指定sheet，采用下面这种方法：
Table cap = Table.read().usingOptions(XlsxReadOptions
.builder(String path)
.sheetIndex(String sheet));
可以使用向表中添加一列或多列addColumns()方法：
t.addColumns(aColumn...)
还可以通过提供索引来指定在特定位置插入列：
t.addColumn(3, aColumn);
需要注意的是，新添加的列必须为空，或者与表中的其他列具有相同数量的元素。
要删除一列或多列：
t.removeColumns(int... columnindexes)
t.removeColumns(String... columnnames)
或者指定想要保存的列，删除其他列，但是这种操作会在原列上进行，如果想要选择某几列而不改变原始数据，建议使用下面的选择列：
t.retainColumns(int... columnindexes)
t.retainColumns(String... columnnames)
当前官方文档中选择列给的是select()函数，但是我建议使用selectColumns()，因为前者不能通过指定index来选择列，而后者既可以用名称选择也可以用index选择：
Table t2 = t.selectColumns("column1");
Table t2 = t.selectColumns(0);
也可以通过在当前表格中指定不需要的列来创建新表格，这可能会节省一些键入时间，同样这个函数也可以用名称和index来指定列：
Table t2 = t.rejectColumns("column1");
Table t2 = t.rejectColumns(0);
如果只选择一列，通常需要将返回的列转换为更具体的类型。例如：
DoubleColumn dc = t.doubleColumn();
拼接表格有两种形式，一种是横向拼接，也就是行数相同，增加列数；零一周是纵向拼接，也就是列数相同，增加行数。
/*1. 横向组合*/
Table result = t.concat(t2);
/*2. 纵向组合*/
Table result = t.append(t2);
需要注意的是，横向拼接时两个表格的列名不能有重复，纵向拼接时对应列的列名必须相同。
筛选是在列筛选的基础上进行的，我们以下面这个表格为例：
LocalDate currentdate = LocalDate.of(Integer.parseInt("2022"), 1, 1);
List<LocalDate> date_list = new ArrayList<LocalDate>();
for(int d=0;d<10;d++)
{
date_list.add(currentdate.plusDays(d));
}
DateColumn date = DateColumn.create("Time", date_list);
double[] values = {1, 2, 3, 4, 5,6,7,8,9,10};
DoubleColumn value = DoubleColumn.create("value", values);
Table t = Table.create("a",date,value);
a
Time | value |
------------------------
2022-01-01 | 1 |
2022-01-02 | 2 |
2022-01-03 | 3 |
2022-01-04 | 4 |
2022-01-05 | 5 |
2022-01-06 | 6 |
2022-01-07 | 7 |
2022-01-08 | 8 |
2022-01-09 | 9 |
2022-01-10 | 10 |
这里将筛选出2022年1月5日以后的数据。
筛选的第一步是选择我们想要筛选的列：
DateColumn date_column = t.dateColumn(0);
第二步是创建一个约束的表达式：
Selection limit = date_column.dayOfMonth().isGreaterThan(5);
第三步就可以用where()函数进行筛选了：
Table t2 = t.where(limit);
a
Time | value |
------------------------
2022-01-06 | 6 |
2022-01-07 | 7 |
2022-01-08 | 8 |
2022-01-09 | 9 |
2022-01-10 | 10 |
筛选时我们也可以同时指定多个约束，比如我想要筛选出2022年1月5日以后并且value大于7的数据：
DateColumn date_column = t.dateColumn(0);
Selection limit1 = date_column.dayOfMonth().isGreaterThan(5);
DoubleColumn value_column = t.doubleColumn(1);
Selection limit2 = value_column.isGreaterThan(7);
Table t2 = t.where(limit1.and(limit2));
a
Time | value |
------------------------
2022-01-08 | 8 |
2022-01-09 | 9 |
2022-01-10 | 10 |
将表格输出到终端显示：
System.out.println(t.print());
table.write().csv("filename.csv");
表格只能导出为.csv格式，后面我会写一下如何利用EasyExcel库将.csv文件另存为.xlsx中的某个sheet当中。
四. 最后
本文介绍了Tablesaw中的一些常用的基本操作，这些操作基本上能满足我们工作中的大部分需求，如果有其他需要可以去官网上查找对应的方法。总而言之Tablesaw是一个非常强大的数据处理库，但是也有一些不足之处，比如无法导出.xlsx格式的文件。目前这个库应该还在不断完善当中，期待Tablesaw能够实现更多的功能！
评论（0）
您还未登录，请登录后发表或查看评论