Перезагружаем maven проект для того, чтобы он сделал всю работу по загрузке необходимых артефактов. Скачиваем какой-нибудь датасет для работы с ним (в моём случае — это перечень возможных поселенцев на острове игрока из Animal Crossing) и переходим к написанию непосредственно кода.
Прежде чем начать как-то работать с данными, нужно их загрузить. С помощью joinery это делается следующим способом:
Уже можно запустить этот код и увидеть в консоли примерно следующее:
Теперь, когда данные загружены, попробуем произвести несколько операций с ними:
// Получаем только имена поселенцев
var tempDf = df.retain(0);
System.out.println(tempDf);
// Получаем уникальные типы поселенцев
tempDf = df.retain("Species").unique("Species");
System.out.println(tempDf);
// Получаем только те строки, в которых Species=="Pig"
tempDf = df.select(new DataFrame.Predicate<Object>() {
@Override
public Boolean apply(List<Object> values) {
return values.get(1).toString().equals("Pig");
}
});
System.out.println(tempDf);
Т.к. это скорее обзорная статья, а не исчерпывающее руководство, с другими операциями над данными предлагается ознакомиться самостоятельно на страницах документации.
В заключение хочется напомнить, что для каждой задачи желательно использовать подходящий инструмент. Так, например, при работе с умеренно большими данными вполне хватит связки python и pandas, но, если данных становится слишком много, а вопрос произвольности встаёт всё острее – использовать Java будет не такой уж и плохой идеей. Тем более, что в ней имеются все те же инструменты с одним из которых мы сейчас и познакомились.
