Filtrare colonne e aggregare

Pulizia dei dati in Java

Dennis Lee

Software Engineer

Dataset vendite libri

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

Definire condizioni di filtro

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

Table books = Table.read().csv("bestsellers.csv");
// Condizione: libri con vendite > 70M
Selection highSales = books.intColumn("Sales_in_Millions").isGreaterThan(70);

// Condizione: libri in inglese
Selection english = books.stringColumn("Language").isEqualTo("English");

// Condizione: pubblicati dopo il 1950
Selection recentlyPublished =
        books.intColumn("First_Published").isGreaterThan(1950);

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

Filtrare in base a condizioni

// Filtra con una singola condizione
books.where(books.intColumn("Sales_in_Millions").isGreaterThan(70));

// Filtra con una Selection predefinita
books.where(highSales);


// Combina più condizioni con .and()
Table popular = books.where(highSales)          // Vendite > 70M
        .and(english)                           // Lingua inglese
        .and(recentlyPublished);                // Dopo il 1950
        .sortDescendingOn("Sales_in_Millions"); // Ordina per Sales_in_Millions
System.out.println("Libri moderni ad alto fatturato in inglese:\n");
System.out.println(modern.select("Books", "First_Published", "Total_Revenue"));

Filtrare in base a condizioni: output

Libri moderni ad alto fatturato in inglese:

| 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            |

Riassumere con la media

// Importa la funzione per la media
import static tech.tablesaw.aggregate.AggregateFunctions.mean;

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

Media generale vendite:

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

Aggregare per gruppi

// Calcola le vendite medie per lingua (es. inglese, francese, ecc.)
Table salesByLanguage = 
        books.summarize("Sales_in_Millions", mean)  // Calcola la media

             .by("Language"); // Raggruppa per lingua

// Mostra le prime 5 lingue
System.out.println("Vendite medie per lingua:\n");
System.out.println(salesByLanguage.first(5));

Aggregare per gruppi: output

Vendite medie per lingua:

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

Combinare filtro e aggregazione

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

// Filtra e riassumi le vendite per lingua
Table bestsellersByLanguage = books
        // Seleziona libri dopo il 1950
        .where(books.intColumn("First_Published").isGreaterThan(1950))

         // Calcola il totale vendite
        .summarize("Sales_in_Millions", sum)

         // Raggruppa per lingua
        .by("Language");
System.out.println("Bestseller moderni (post-1950) per lingua:\n");
System.out.println(bestsellersByLanguage);

Combinare filtro e aggregazione: output

Bestseller moderni (post-1950) per lingua:

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

Mettere tutto insieme

books.where(sales.isGreaterThan(150)); // Filtro base con una condizione

books.where(highSales.and(english)); // Più condizioni: combina con .and()

// Aggregazione base
books.summarize("Sales_in_Millions", mean)       // Calcola la media
    .by("Language");                             // Raggruppa per lingua

// Operazioni combinate
books.where(books.intColumn("First_Published").isGreaterThan(1950)) // Filtra
    .summarize("Sales_in_Millions", mean) // Poi riassumi
    .by("Language"); // Infine raggruppa

Ayo berlatih!

Pulizia dei dati in Java