Datenumwandlungsmuster

Daten in Java importieren

Anthony Markham

VP Quant Developer

Map-Funktion

Transformiert jedes Element in einer Spalte

DoubleColumn celsius = DoubleColumn.create("Celsius", 0, 10, 20, 30);

DoubleColumn fahrenheit = celsius.map(c -> c * 9.0/5.0 + 32);
table.addColumns(fahrenheit.setName("Fahrenheit"));

Celsius	Fahrenheit
0.0	32.0
10.0	50.0
20.0	68.0
30.0	86.0

Reduce-Funktion

Kombiniert alle Werte in einer Spalte zu einem Ergebnis
Verwendet ein Akkumulator-Muster (wie Summe, Max oder eigene Logik)
Nützlich für statistische und analytische Operationen

// Gesamte Verkäufe finden
double totalSales = table.doubleColumn("Sales").reduce(0, Double::sum);

// Maximum finden
double largeSales = table.doubleColumn("Sales").reduce(0, (acc, x) -> acc + (x > 5000 ? 1 : 0));

Zeileniteration mit forEach

Durchläuft jede Zeile in einer Tabelle

DoubleColumn difference = DoubleColumn.create("Difference");
table.forEach(row -> {
    double celsius = row.getDouble("Celsius");
    double fahrenheit = row.getDouble("Fahrenheit");
    difference.append(fahrenheit - celsius);
});

table.addColumns(difference);

Celsius	Fahrenheit	Difference
0.0	32.0	32.0
10.0	50.0	40.0
20.0	68.0	48.0

Transformationspipelines

Verkettet mehrere Operationen
Erhöht Lesbarkeit und Wartbarkeit des Codes ✅
Effiziente Datenverarbeitung ✅

Table result = originalTable
    .where(numberColumn("Age").isGreaterThan(18)) // Filter auf Alter > 18

    .addColumns(
        numberColumn("Income").map(i -> i * 1.1).setName("AdjustedIncome")
    );


// Durchschnittseinkommen berechnen
double avgIncome = result.doubleColumn("AdjustedIncome")
        .reduce(0.0, Double::sum) / result.rowCount();

Zusammenfassung

map() - Funktion anwenden, um Spaltenwerte zu transformieren
forEach() - Durch Zeilen iterieren, um auf mehrere Spalten zuzugreifen
reduce() - Daten aggregieren und zusammenfassen

Ein Bild, das die drei Datenumwandlungsfunktionen zeigt

Lass uns üben!

Daten in Java importieren