Tablesaw项目核心数据结构Table使用指南

Tablesaw项目核心数据结构Table使用指南

tablesaw Java dataframe and visualization library 项目地址: https://gitcode.com/gh_mirrors/tab/tablesaw

概述

Tablesaw作为一款高效的Java数据分析库，其核心数据结构Table承载了绝大部分数据处理功能。本文将全面介绍Table的创建、操作、查询和输出等核心功能，帮助开发者快速掌握这一强大工具。

Table基础特性

Tablesaw采用"全表思维"设计理念，绝大多数操作都以Table为中心展开：

1. 表结构自描述：通过返回新表来描述原表结构
2. 链式操作：多数方法返回Table对象，支持方法链调用
3. 内存高效：基于列式存储，避免不必要的数据复制

表创建与加载

编程式创建

// 创建空表
Table users = Table.create("用户表");

// 创建时指定列
DoubleColumn height = DoubleColumn.create("身高");
StringColumn name = StringColumn.create("姓名");
Table users = Table.create("用户表", name, height);

数据导入

支持多种数据源导入方式：

// CSV文件导入
Table sales = Table.read().csv("sales_data.csv");

// 数据库查询结果导入
Table results = Table.read().db(
    resultSet, "查询结果");

导入时可指定参数控制解析行为：

• 列分隔符
• 是否包含表头
• 日期时间格式
• 各列数据类型

数据查看与元数据

数据预览

// 查看前10行和后10行
table.print(); 

// 精确控制显示行数
table.first(5);  // 前5行
table.last(3);   // 后3行

元数据获取

// 表基本信息
String name = table.name();  // 表名
int rows = table.rowCount(); // 行数
int cols = table.columnCount(); // 列数

// 列结构信息
Table structure = table.structure();
/*
输出示例：
Index  ColumnName   Type
0      Date         LOCAL_DATE
1      Amount       DOUBLE
*/

列操作

列增删

// 添加列
DoubleColumn salary = DoubleColumn.create("薪资");
table.addColumns(salary);

// 指定位置插入列
table.addColumn(2, salary);

// 删除列
table.removeColumns("临时列");
table.retainColumns("姓名", "薪资"); // 保留指定列

列选择

// 获取所有列
List<Column<?>> allColumns = table.columns();

// 获取指定列
DoubleColumn age = table.doubleColumn("年龄");
StringColumn name = table.stringColumn("姓名");

// 创建列子集
Table subset = table.select("姓名", "年龄");

数据操作

行操作

// 添加行
Row newRow = table.appendRow();
newRow.setString("姓名", "张三");
newRow.setDouble("薪资", 15000.0);

// 删除行
Table filtered = table.dropRows(0, 5); // 删除前5行

// 条件删除
Table adults = table.dropWhere(
    table.intColumn("年龄").isLessThan(18));

数据过滤

// 简单过滤
Table result = table.where(
    table.stringColumn("部门").equalsIgnoreCase("财务部"));

// 组合条件
Table highSalary = table.where(
    table.doubleColumn("薪资").isGreaterThan(10000)
    .and(table.intColumn("工龄").isGreaterThan(5)));

数据分析

数据汇总

// 单维度汇总
Table summary = table.summarize(
    "薪资", mean, max, min).apply();

// 分组汇总
Table deptSalary = table.summarize(
    "薪资", mean).by("部门");

交叉分析

// 构建交叉表
Table crossTab = table.xTabCount("部门", "职级");

// 带比例计算
Table crossPercents = table.xTabPercents("部门", "职级");

数据排序

// 单列排序
table.sortAscendingOn("入职日期");

// 多列排序
table.sortOn(
    "-部门",    // 部门降序
    "+薪资");   // 薪资升序

数据输出

// CSV格式
table.write().csv("output.csv");

// JSON格式
table.write().json("data.json");

// 数据库写入
table.write().db(connection, "tableName");

性能优化建议

1. 批量操作：尽量使用列操作而非逐行处理
2. 类型匹配：确保操作与列数据类型匹配
3. 链式调用：利用方法链减少中间表创建
4. 延迟计算：部分操作会延迟执行，注意适时触发

通过掌握这些核心功能，开发者可以充分利用Tablesaw进行高效的数据处理分析工作。

tablesaw Java dataframe and visualization library 项目地址: https://gitcode.com/gh_mirrors/tab/tablesaw