Spalten filtern und aggregieren

Datenbereinigung in Java

Dennis Lee

Software Engineer

Datensatz: Buchverkäufe

Books	Authors	Language	First_Published	Sales_in_Millions	Average_Price
A Tale of Two Cities	Charles Dickens	English	1859	200.0	12.99
The Little Prince (Le Petit Prince)	Antoine de Saint-Exupéry	French	1943	200.0	15.50
Harry Potter and the Philosopher's Stone	J. K. Rowling	English	1997	120.0	19.99
And Then There Were None	Agatha Christie	English	1939	100.0	14.95

Bedingungen zum Filtern definieren

import tech.tablesaw.api.Table;
import tech.tablesaw.selection.Selection;

Table books = Table.read().csv("bestsellers.csv");
// Bedingung: Bücher mit > 70 Mio. Verkäufen
Selection highSales = books.intColumn("Sales_in_Millions").isGreaterThan(70);

// Bedingung: Bücher auf Englisch
Selection english = books.stringColumn("Language").isEqualTo("English");

// Bedingung: nach 1950 veröffentlicht
Selection recentlyPublished =
        books.intColumn("First_Published").isGreaterThan(1950);

// Ähnlich: .isLessThan(), .isLessThanOrEqualTo(), .isGreaterThanOrEqualTo()

Nach Bedingungen filtern

// Mit einer einzelnen Bedingung direkt filtern
books.where(books.intColumn("Sales_in_Millions").isGreaterThan(70));

// Mit vordefinierter Selection filtern
books.where(highSales);


// Mehrere Bedingungen mit .and() kombinieren
Table popular = books.where(highSales)          // Verkäufe > 70 Mio.
        .and(english)                           // Sprache Englisch
        .and(recentlyPublished);                // Nach 1950
        .sortDescendingOn("Sales_in_Millions"); // Nach Sales_in_Millions sortieren
System.out.println("Moderne umsatzstarke englische Bücher:\n");
System.out.println(modern.select("Books", "First_Published", "Total_Revenue"));

Nach Bedingungen filtern: Ausgaben

Moderne umsatzstarke englische Bücher:

| Book                                     | Sales_in_Millions | First_Published |
|------------------------------------------|-------------------|-----------------|
| Harry Potter and the Philosopher's Stone | 120               | 1997            |
| The Da Vinci Code                        | 80                | 2003            |
| Harry Potter and the Chamber of Secrets  | 77                | 1998            |

Nach Mittelwert zusammenfassen

// Mittelwertfunktion importieren
import static tech.tablesaw.aggregate.AggregateFunctions.mean;

Table overallMean = books.summarize("Sales_in_Millions", mean).apply();
System.out.println("\nDurchschnittliche Gesamtverkäufe: \n" + overallMean);

Durchschnittliche Gesamtverkäufe:

| Mean [Sales_in_Millions]  |
|---------------------------|
|        73.03225806451614  |

Nach Gruppen aggregieren

// Durchschnittsverkäufe je Sprache berechnen (z. B. Englisch, Französisch)
Table salesByLanguage = 
        books.summarize("Sales_in_Millions", mean)  // Mittelwerte berechnen

             .by("Language"); // Nach Sprache gruppieren

// Erste 5 Sprachgruppen anzeigen
System.out.println("Durchschnittliche Verkäufe nach Sprache:\n");
System.out.println(salesByLanguage.first(5));

Nach Gruppen aggregieren: Ausgaben

Durchschnittliche Verkäufe nach Sprache:

| Language   | Mean [Sales_in_Millions] |
|------------|--------------------------|
| English    | 69.96                    |
| French     | 200.0                    |
| Chinese    | 100.0                    |
| Portuguese | 65.0                     |
| Spanish    | 50.0                     |

Filtern und Aggregation kombinieren

import static tech.tablesaw.aggregate.AggregateFunctions.sum;

// Filtern und Verkäufe nach Sprache zusammenfassen
Table bestsellersByLanguage = books
        // Bücher nach 1950 auswählen
        .where(books.intColumn("First_Published").isGreaterThan(1950))

         // Verkäufe summieren
        .summarize("Sales_in_Millions", sum)

         // Ergebnisse nach Sprache gruppieren
        .by("Language");
System.out.println("Moderne Bestseller (nach 1950) nach Sprache:\n");
System.out.println(bestsellersByLanguage);

Filtern und Aggregation kombinieren: Ausgaben

Moderne Bestseller (nach 1950) nach Sprache:

| Language   | Sum [Sales_in_Millions] |
|------------|-------------------------|
| English    | 1071                    |
| Portuguese | 65                      |
| Spanish    | 50                      |
| Italian    | 50                      |

Alles zusammenführen

books.where(sales.isGreaterThan(150)); // Einfaches Filtern mit einer Bedingung

books.where(highSales.and(english)); // Mehrere Bedingungen mit .and() kombinieren

// Einfache Aggregation
books.summarize("Sales_in_Millions", mean)       // Mittelwerte berechnen
    .by("Language");                             // Nach Sprache gruppieren

// Kombinierte Operationen
books.where(books.intColumn("First_Published").isGreaterThan(1950)) // Filtern
    .summarize("Sales_in_Millions", mean) // Dann zusammenfassen
    .by("Language"); // Schließlich gruppieren

Lass uns üben!

Datenbereinigung in Java