Tablesaw(数据科学可视化库) v0.38.1 官方版

　　Tablesaw是一款可以对各类数据表进行处理的强大软件，基于Java语言开发，具有创建统计模型和可视化效果的能力，通过该软件用户可以各种可视化数据绘图，可以通过绘图的方式将表格数据直观的展示出来；Tablesaw功能丰富、简单易用，内置强大稳定的数据框架和可视化库，可用于加载、转换、过滤和总结数据，对于经常处理各种表格数据的用户可下载这款软件进行使用，该软件支持各类数据可视化，可自由选择多种图形可视化显示，非常方便实用。

软件功能

　　数据处理与转换

　　从RDBMS，Excel，CSV，JSON，HTML或固定宽度文本文件导入数据，无论这些文件是本地文件还是远程文件（http，S3等）

　　将数据导出到CSV，JSON，HTML或固定宽度文件。

　　通过追加或合并表

　　添加和删除列或行

　　排序，分组，查询

　　映射/归约运算

　　处理缺失值

　　可视化

　　Tablesaw通过为Plot.ly JavaScript绘图库提供包装器来支持数据可视化。这是新库运行的一些示例。

　　统计数据

　　描述性统计：平均值，最小值，最大值，中位数，总和，乘积，标准差，方差，百分位数，几何平均值，偏度，峰度等。

软件特色

　　Plot.ly支持多种可视化类型。Tablesaw已经支持许多种，包括时间序列图，柱状图，2D直方图，箱线图，折线图，面积图，散点图，3D散点图，气泡图，排列图，饼图，和条形图。

　　我们支持地块上的多种变体。例如，对于条形图，我们支持垂直和水平，一变量以及分组或堆叠的图表。

　　我们不断增加对许多其他类型的支持，包括地理地图，树图，网络图，热图，数据图，分布图，3D表面，3D色带，风玫瑰图，三次图，2D密度图，等高线图，树-地图，小提琴图，散点图矩阵等。

　　我们提供了一个一致的Java API，用于使用构建器，键入安全枚举和其他Java功能来构造这些图，以最大程度地减少使用基于JavaScript的工具时的拼写和其他问题。

　　这些地块具有单一，一致且专业的外观。

　　每个图表都是交互式的。它们使用常见的交互式工具系列进行渲染，以进行保存，打印，平移，缩放，选择点等。

　　支持的自定义范围非常广泛，包括字体，图例，自定义轴，尖峰，悬停效果等。您几乎总是可以得到所需的可视化效果。

　　当您准备与更广阔的世界共享可视化效果时，可以在网页中使用输出

官方教程

　　汇入资料

　　注意：为了最大程度地减少核心库的大小，某些阅读器（当前为JSON，HTML表和Excel文件）打包在单独的模块中。您需要将它们包括在项目中才能使用这些Table.read()方法。

　　有关可用方法的列表，请参见DatadocReader的Javadoc Table.read()。

　　文本文件（CSV，制表符分隔，固定宽度字段等）

　　大多数文本格式都被类似地对待。本节介绍了诸如CSV之类的矩形文本格式，但是许多信息也与JSON，Excel和HTML表有关。

　　从磁盘上的CSV文件加载数据的最简单方法是使用：

　　Table t = Table.read().file("myFile.csv");

　　此方法为文件名以外的所有内容提供默认值。我们假设列之间用逗号分隔，并且文件中有一个标题行，我们用它来创建列名。如果一个或多个默认值不正确，则可以使用类CsvReadOptions自定义加载过程。

　　您可以使用构建器创建选项对象：

　　该头选项指示是否有在该文件的顶部的一行标题行。如果header为false，我们将所有行都视为数据。

　　例如，如果要加载制表符分隔的文件，则分隔符选项允许您指定除逗号以外的分隔符。

　　使用dateFormat可以提供一种读取日期的格式。文件中的所有日期都应使用相同的格式，并且该格式与java.time.format.DateTimeFormatter中定义的格式相同。

　　创建表时，将基于从中加载文件的名称为其指定默认名称。您可以随时使用更改名称table.setName(aString);。表名称用于打印表及其相关信息。

　　列类型

　　使用所有这些方法，Tablesaw会查看文件中每一列中的数据，并对类型进行疯狂的猜测。实际上，它查看数据样本并应用一些启发式方法。当然，数据集可能包含类型推断样本中遗漏的稀有值。如果发生这种情况，您可以设置选项sample(false)以在执行类型推断时考虑所有数据。

　　如果似乎没有其他合适的方法，则将该列读取为StringColumn。通常，Tablesaw会正确处理，但有时需要一点帮助。

　　指定每一列的数据类型

　　通过一点帮助，我们意味着您可以通过将ColumnType对象的数组传递给read（）。csv（）方法来显式指定类型。例如：

　　如果这看起来很麻烦，那么它确实具有一些优势。

　　首先，由于系统无需推断列类型，因此减少了加载时间。如果文件很大，则节省的时间可能很长。

　　其次，它使您可以完全控制列的类型。

　　在某些情况下，您必须指定列类型，因为Tablesaw无法正确猜测。例如，如果文件中的时间编码为HHmm，以使中午显示为“ 1200”，则无法推断这意味着中午12:00，而不是整数1200。

　　捷径：获取猜测的列类型

　　如果表中有许多列，那么手工构建列类型数组可能很繁琐。为了帮助您，CsvReader提供了一些方法，这些方法可以以数组形式或字符串形式返回推断出的ColumnType。格式化字符串，使其类似于Java数组文字。即使读取文件失败，也可以使用此方法。

　　请注意，返回的String是一个合法的数组文字，您可以粘贴到Java代码中：类型以逗号分隔，并且提供索引位置和列名，以便将它们解释为注释。您可以将其粘贴到您的代码中，然后对其进行编辑以修复任何不正确的列类型。

　　导入期间跳过列

　　指定列类型的另一个优点是，如果不需要，可以跳过某些列。您可以使用特殊的“ SKIP”列类型来阻止导入这些列，如下所示：

　　在此示例中，第一列和最后一列均未加载。

　　处理缺失数据

　　Tablesaw具有一组预定义的字符串，当从CSV文件读取时，它会解释为丢失的数据。它们是：“ NaN”，“ *”，“ NA”，“ null”，当然还有空字符串“”。

　　当遇到这些字符串之一时，它将被Tablesaw中特定于类型的丢失指示符替换。对于字符串，这是一个空字符串。对于双打，就是Double.NaN。有关更多信息，请参见JavaDoc for ColumnType。

　　如果文件具有不支持的缺失值指示符（例如“-”），则可以在选项构建器中提供它。

　　处理日期和时间

　　由于语言环境和多种可能的格式，因此导入日期和时间可能会比较棘手。与其他列类型一样，Tablesaw会尽力确定要表示的类型并将其正确导入。如果失败，则有两件事可以帮助您。首先是指定语言环境。语言环境还可以帮助处理数字格式。

　　第二个是为每个时间列指定精确格式。

　　使用Stream API

　　当您在文件系统上存储了CSV文件时，以上所有示例都试图简化加载过程。加载CSV的一种更灵活的方法是使用Stream接口，该接口采用java.io.InputStream作为参数。

　　Table.read().csv(InputStream stream, String tableName);

　　它可以用来读取本地文件，也可以用来在S3等网络中读取网络文件。这是如何使用它的一些示例。

　　从网站加载CSV：

　　从S3加载CSV：

　　处理备用编码

　　默认情况下，我们假设您的文件采用UTF-8编码。如果文件使用其他编码，则加载过程会稍有不同。您需要在使用正确编码构造的FileInputStream上打开阅读器。这是一个例子。

　　从数据库导入

　　从数据库查询结果创建表同样容易。在这种情况下，您无需指定列类型，因为它们是从数据库列类型推断出来的。

　　Table t = Table.read().db(ResultSet resultSet, String tableName);

　　这是一个更完整的示例，其中包括JDBC设置：

　　从HTML，JSON，Excel导入

　　Tablesaw支持从HTML，JSON和Excel导入数据。有关更多信息，请参见Javadoc中的Table.read（）方法。您将需要添加相应的可选依赖项：

　　条形图，饼图和帕累托图

　　Tablesaw是Java数据科学平台，可以过滤和转换数据集。它还为可视化提供了广泛的支持。在此讨论中，我们将使用来自NOAA的Tornado数据集，该数据集可在Tablesaw项目的data文件夹中找到。

　　尽管Tablesaw可以生成出版质量的图形，但这里的重点是探索性分析，其中内容和易用性比修饰更重要。在这里，我们重点介绍一些用于处理单变量数据的常见绘图类型：

　　条形图

　　饼状图

　　帕累托图

　　范例程式码

　　可以在类BarPieAndParetoExample.java中找到本文档中用于生成图表的所有代码。

　　https://github.com/jtablesaw/tablesaw/blob/master/jsplot/src/test/java/tech/tablesaw/examples/BarPieAndParetoExample.java

　　我们建议您打开该课程并继续学习。

　　进行设定

　　首先，我们加载并清理龙卷风数据集。我们使用Table.read（）。csv（）打开文件。

　　接下来，我们清理文件。我们要使用比例列。龙卷风根据其风速被分配为从0到5的比例，但是我们的数据集缺少编码为-9的缺失值，这将使图表消失。为了解决这个问题，我们将比例列中的每个-9值设置为缺失值指标。然后，我们可以创建图。

　　条形图

　　我们从无处不在的条形图开始。条形图通常显示已汇总为组的数据。要创建条形图，您需要做两件事：

　　一些数值

　　一些类别将它们分组

　　我们首先根据龙卷风的强度计算与龙卷风有关的死亡人数。

　　然后我们绘制结果：

　　绘制平均值，中位数和其他汇总统计信息

　　在上面的示例中，我们创建了显示值总和的图。为此，我们首先在表上调用summary（），传入要汇总的列的名称，聚合函数sum，并应用子句by（）来指定如何对数据进行分组。

　　在AggregationFunctions类中定义了许多聚合函数，例如sum，mean，median，standardDeviation，percentile（n），max，kurtosis等。我们可以使用任何聚合函数代替sum。在这里，我们将看一下平均值。

　　我们采用与上述相同的策略，使用汇总方法创建一个新表，该表收集每个“标度”值的平均受伤人数。一旦有了，我们就创建并显示情节

　　在有关高级绘图功能的下一部分中，我们将介绍如何创建堆叠和分组的条形图。

　　饼图

　　饼图被广泛批评和普遍存在。通常，条形图更易于解释，因此通常是首选。我们将被撤职，但是不提供饼图支持。此示例显示了一个饼图，该饼图显示的数据与上面的第一个条形图相同：

　　帕累托图

　　条形图上的一个简单变化是帕累托图。在下面的曲线图中，死亡人数是按美国州求和的，结果按照总数从高到低的顺序排序。示例代码中有详细信息。

更新日志

　　特点

　　创建气泡图的更多选项 (#781) - 谢谢 @rayeaster

　　错误修复

　　修复对java.sql.Time的支持 (#791) - 感谢 @brainbytes42。

　　允许在聚合时使用空切片 (#795) - 谢谢 @emillynge

　　修正ColumnType.compare中的NPE(#799)

　　修正集的NPE(#800)