Kotlin 和 Java 数据分析库

从数据收集到模型构建，Kotlin 提供了强大的库，可协助数据流水线中的各项任务。

除了其自身的库之外，Kotlin 与 Java 实现了 100% 互操作。这种互操作性有助于利用久经考验的 Java 库的整个生态系统，并带来卓越的性能。有了这项优势，你在进行 Kotlin 数据项目时可以轻松使用 Kotlin 或 Java 库。

Kotlin 库

库	用途	特性
Kotlin DataFrame	数据收集 数据清洗和处理	用于创建、排序、清洗数据帧、特性工程等操作 结构化数据处理 支持 CSV、JSON 和其他输入格式 从 SQL 数据库读取数据 连接不同的 API 以访问数据并提高类型安全
Kandy	数据探索和可视化	用于绘制各种类型图表的强大、可读、类型安全的 DSL 采用 Kotlin 编写的 JVM 开源库 支持 Kotlin Notebook、Datalore 和 Jupyter Notebook 与 Kotlin DataFrame 无缝集成
KotlinDL	模型构建	受 Keras 启发的 Kotlin 深度学习 API 从头开始训练深度学习模型，或导入现有 Keras 和 ONNX 模型进行推断 迁移学习，用于根据你的任务定制现有预训练模型 支持 Android 平台
Multik	数据清洗和处理 模型构建	对多维数组进行数学操作（线性代数、统计、算术及其他计算） 创建、复制、索引、切片及其他数组操作 采用 Kotlin 惯用法的库，具有类型和维度安全以及可插拔计算引擎等优势，可在 JVM 或作为原生代码运行
Kotlin for Apache Spark	数据收集 数据清洗和处理 数据探索和可视化 模型构建	Apache Spark 与 Kotlin 之间的兼容层 Kotlin 惯用代码中的 Apache Spark 数据转换操作 在花括号或方法引用中简单使用 Kotlin 特性，例如数据类和 lambda 表达式
Lets-Plot	数据探索和可视化	绘制采用 Kotlin 编写的统计数据 支持 Kotlin Notebook、Datalore 和 带有 Kotlin Kernel 的 Jupyter 兼容 JVM、JS 和 Python 在 Compose Multiplatform 应用程序中嵌入图表
KMath	数据清洗和处理 数据探索和可视化 模型构建	用于在 Kotlin Multiplatform（JVM、JS、Native 和 Wasm）中处理数学抽象的模块化库 用于代数结构、数学表达式、直方图和流操作的 API 现有 Java 和 Kotlin 库（包括 ND4J、Apache Commons Math 和 Multik）的可互换包装器 受 Python NumPy 启发，但具有类型安全等其他附加特性
kravis	数据探索和可视化	表格数据可视化 受 R ggplot 启发 支持 带有 Kotlin Kernel 的 Jupyter

Java 库

由于 Kotlin 提供一流的互操作性，你可以在 Kotlin 代码中使用 Java 库执行数据任务。以下是一些此类库的示例：

库	用途	特性
Tablesaw	数据收集 数据清洗和处理 数据探索和可视化	用于加载、清洗、转换、筛选和汇总数据的工具 受 Plot.ly 启发
CoreNLP	数据清洗和处理	自然语言处理工具包 文本的语言学标注，例如情感和引用归属 支持八种语言
Smile	数据清洗和处理 数据探索和可视化 模型构建	现成的机器学习和自然语言处理算法 线性代数、图、插值和可视化工具 提供函数式 Kotlin API、Scala API、Clojure API 等
Smile-NLP-kt	数据清洗和处理	Smile 自然语言处理部分的 Scala 隐式函数的 Kotlin 重写 Kotlin 扩展函数和接口形式的操作 句子分割、词干提取、词袋及其他任务
ND4J	数据清洗和处理 模型构建	适用于 JVM 的矩阵数学库 超过 500 种数学、线性代数和深度学习操作
Apache Commons Math	数据清洗和处理 模型构建	适用于 Java 的数学和统计操作 相关性、分布、线性代数、几何及其他操作 机器学习模型
NM Dev	数据清洗和处理 模型构建	数值算法的 Java 数学库 面向对象的数值方法 线性代数、优化、统计、微积分及更多操作
Apache OpenNLP	数据清洗和处理 模型构建	基于机器学习的自然语言文本处理工具包 分词、句子分割、词性标注及其他任务 用于数据建模和模型验证的内置工具
Charts	数据探索和可视化	适用于科学图表的 JavaFX 库 复杂图表，例如对数图、热力图和力导向图
DeepLearning4J	模型构建	适用于 Java 的深度学习库 导入和重新训练模型（Pytorch、Tensorflow、Keras） 部署到 JVM 微服务环境、移动设备、物联网和 Apache Spark
Timefold	模型构建	优化规划问题的求解器工具 兼容面向对象编程和函数式编程