Skip to content

從檔案擷取資料 ​

Kotlin DataFrame 程式庫讓你能處理非結構化與結構化資料。 進行資料轉換時,你可以使用如 .add()、.split()、.convert() 以及 .parse() 等方法。 此外,這個工具集還能從各種結構化檔案格式中擷取與操作資料,包括 CSV、JSON、XLS、Parquet 和 Apache Arrow。 請參閱 DataFrame 文件以查看所有支援的格式。

在本指南中,你可以透過多個範例學習如何擷取、整理與處理資料。

開始之前 ​

自 IntelliJ IDEA 2026.2 起,Kotlin Notebook 將不再隨 IDE 隨附提供,亦不再由 JetBrains 正式支援。 原始碼仍可在 GitHub 上取得。

請在部落格文章中了解更多資訊。

若要按照本教學進行操作:

  1. 選取 File | New | Kotlin Notebook。

  2. 匯入 Kotlin DataFrame:

    kotlin
    %use dataframe

    在執行任何其他程式碼資料格之前,請先執行包含 %use dataframe 的程式碼資料格,以確保 DataFrame 程式庫及其 API 在 Notebook 中可用。

若要按照本教學操作,你也可以將 DataFrame 作為 Gradle 或 Maven 相依項使用。

擷取資料 ​

若要從檔案擷取資料,請使用 DataFrame.read() 函式:

kotlin
val movies = DataFrame.read("movies.csv")

DataFrame.read() 函式會根據副檔名與內容偵測輸入格式。

你也可以傳入額外引數來控制 DataFrame 程式庫讀取輸入資料的方式。 例如,以下程式碼為 CSV 檔案指定了自訂分隔符號(;):

kotlin
val movies = DataFrame.read("movies.csv", delimiter = ';')

若要全面了解其他檔案格式和各種讀取函式,請參閱 Kotlin DataFrame 程式庫文件。

顯示資料 ​

取得資料後,即可將其顯示。最簡單的方法是將資料儲存在變數中,然後傳回該變數:

kotlin
val jsonDf = DataFrame.read("jsonFile.json")
jsonDf

此程式碼會將檔案中的資料顯示為互動式表格:

顯示資料

你可以使用此檢視來檢查值、檢驗欄名稱,並輕鬆了解資料集的狀態。

檢查資料結構 ​

若要深入了解資料的結構或架構,請在 DataFrame 變數上使用 .schema() 函式。

例如,執行 jsonDf.schema() 可列出 JSON 資料集中每個欄的型別:

結構描述範例

你也可以使用自動補全功能。它讓你能快速存取與操作 DataFrame 的屬性。載入資料後,只需鍵入 DataFrame 變數並接著輸入句號(.),即可查看可用欄及其型別的清單。

可用屬性

整理資料 ​

Kotlin DataFrame 提供了多種用於整理資料集的操作。例如分組、篩選、更新或新增欄。這些函式對於資料分析至關重要,能讓你有效地組織、清理與轉換資料。

例如,我們來看看 movies.csv 資料集。它將電影標題與上映年份儲存在同一個儲存格中。目標是整理這個資料集以利於進行分析:

  1. 載入資料

    使用 .read() 函式將檔案載入到 DataFrame 中:

    kotlin
    val movies = DataFrame.read("movies.csv")
  2. 新增欄

    若要從 title 欄中擷取上映年份,請新增一個 year 欄:

    kotlin
    val moviesWithYear = movies
        .add("year") { 
            "\\d{4}".toRegex()
                .findAll(title)
                .lastOrNull()
                ?.value
                ?.toInt()
                ?: -1
        }
    
    moviesWithYear
  3. 更新值

    若要從電影標題中移除上映年份,請更新 title 欄:

    kotlin
    val moviesTitle = moviesWithYear
        .update("title") {
            "\\s*\\(\\d{4}\\)\\s*$".toRegex().replace(title, "") 
    }
    
    moviesTitle

    該程式碼將電影標題保留在一個欄中,並將上映年份移至另一個欄。

  4. 篩選資料列

    若要聚焦於特定資料,請使用 .filter() 函式。例如,若要僅保留 1986 年之後上映的電影,請執行:

    kotlin
    val newMovies = moviesTitle.filter { 
        year >= 1996 
    }
    
    newMovies
  5. 移除欄

    若要移除不需要的欄,請使用 .remove() 函式:

    kotlin
    val refinedMovies = newMovies.remove { 
        movieID 
    }
    
    refinedMovies

為了進行比較,以下是整理前的資料集:

原始資料集

整理後的資料集:

資料整理結果

若要了解其他使用案例與詳細範例,請參閱 Examples of Kotlin Dataframe。

匯出資料 ​

整理資料後,你可以輕鬆地匯出資料。

為此,你可以使用各種 .write() 函式。它支援儲存為多種格式,包括 CSV、JSON、XLS、XLSX、Apache Arrow 甚至是 HTML 表格。請參閱 DataFrame 文件以查看所有支援的格式。這對於分享分析發現、建立報告或提供資料以進行進一步分析特別有用。

例如,我們將結果儲存為:

  • 使用 .writeJson() 函式儲存為 JSON 檔案:

    kotlin
    refinedMovies.writeJson("movies.json")
  • 使用 .writeCsv() 函式儲存為 CSV 檔案:

    kotlin
    refinedMovies.writeCsv("movies.csv")
  • 使用 .writeArrorIPC() 和 .writeArrorFeather() 函式儲存為 Apache Arrow 檔案:

    kotlin
    refinedMovies.writeArrowIPC("movies.arrow")
    refinedMovies.writeArrowFeather("movies.feather")

你還可以使用 .toStandaloneHTML() 函式在瀏覽器中開啟獨立的 HTML 表格:

kotlin
refinedMoviesDf
    .toStandaloneHTML(DisplayConfiguration(rowsLimit = null))
    .openInBrowser()

後續步驟 ​