使用 Kotlin 的 Lets-Plot 进行数据可视化

适用于 Kotlin 的 Lets-Plot (LPK) 是一个多平台绘图库，它将 R 语言的 ggplot2 库移植到 Kotlin。LPK 将功能丰富的 ggplot2 API 带到 Kotlin 生态系统中，使其适用于需要复杂数据可视化功能的科学家和统计学家。

LPK 适用于各种平台，包括 Kotlin Notebooks、Kotlin/JS、JVM 的 Swing、JavaFX 和 Compose Multiplatform。此外，LPK 还与 IntelliJ、DataGrip、DataSpell 和 PyCharm 无缝集成。

本教程演示了如何使用 IntelliJ IDEA 中的 Kotlin Notebook，通过 LPK 和 Kotlin DataFrame 库创建不同的绘图类型。

开始之前

下载并安装最新版本的 IntelliJ IDEA Ultimate。
在 IntelliJ IDEA 中安装 Kotlin Notebook 插件。

或者，从 IntelliJ IDEA 内的 Settings（设置） | Plugins（插件） | Marketplace（市场） 访问 Kotlin Notebook 插件。
通过选择 File（文件） | New（新建） | Kotlin Notebook 创建一个新的 Notebook。
在你的 Notebook 中，通过运行以下命令导入 LPK 和 Kotlin DataFrame 库：
```
%use lets-plot
%use dataframe
```

准备数据

让我们创建一个 DataFrame，其中存储三个城市（柏林、马德里和加拉加斯）每月平均气温的模拟数字。

使用 Kotlin DataFrame 库中的 dataFrameOf() 函数生成 DataFrame。将以下代码片段粘贴并运行在你的 Kotlin Notebook 中：

// months 变量存储包含一年中 12 个月的列表
val months = listOf(
    "January", "February",
    "March", "April", "May",
    "June", "July", "August",
    "September", "October", "November",
    "December"
)
// tempBerlin、tempMadrid 和 tempCaracas 变量存储每个月的温度值列表
val tempBerlin =
    listOf(-0.5, 0.0, 4.8, 9.0, 14.3, 17.5, 19.2, 18.9, 14.5, 9.7, 4.7, 1.0)
val tempMadrid =
    listOf(6.3, 7.9, 11.2, 12.9, 16.7, 21.1, 24.7, 24.2, 20.3, 15.4, 9.9, 6.6)
val tempCaracas =
    listOf(27.5, 28.9, 29.6, 30.9, 31.7, 35.1, 33.8, 32.2, 31.3, 29.4, 28.9, 27.6)

// df 变量存储一个包含三列的 DataFrame，包括每月记录、温度和城市
val df = dataFrameOf(
    "Month" to months + months + months,
    "Temperature" to tempBerlin + tempMadrid + tempCaracas,
    "City" to List(12) { "Berlin" } + List(12) { "Madrid" } + List(12) { "Caracas" }
)
df.head(4)

你可以看到 DataFrame 包含三列：Month（月份）、Temperature（温度）和 City（城市）。DataFrame 的前四行包含 1 月至 4 月柏林的温度记录：

要使用 LPK 库创建绘图，你需要将你的数据 (df) 转换为 Map 类型，该类型将数据存储在键值对中。你可以使用 .toMap() 函数轻松地将 DataFrame 转换为 Map：

val data = df.toMap()

创建散点图

让我们在 Kotlin Notebook 中使用 LPK 库创建一个散点图。

一旦你的数据采用 Map 格式，就可以使用 LPK 库中的 geomPoint() 函数来生成散点图。你可以指定 X 轴和 Y 轴的值，以及定义类别及其颜色。此外，你还可以自定义绘图的大小和点形状以满足你的需求：

// 指定 X 轴和 Y 轴、类别及其颜色、绘图大小和绘图类型
val scatterPlot =
    letsPlot(data) { x = "Month"; y = "Temperature"; color = "City" } + ggsize(600, 500) + geomPoint(shape = 15)
scatterPlot

这是结果：

创建箱线图

让我们在箱线图中可视化数据。使用 LPK 库中的 geomBoxplot() 函数生成绘图，并使用 scaleFillManual() 函数自定义颜色：

// 指定 X 轴和 Y 轴、类别、绘图大小和绘图类型
val boxPlot = ggplot(data) { x = "City"; y = "Temperature" } + ggsize(700, 500) + geomBoxplot { fill = "City" } +
    // 自定义颜色        
    scaleFillManual(values = listOf("light_yellow", "light_magenta", "light_green"))
boxPlot

这是结果：

创建 2D 密度图

现在，让我们创建一个 2D 密度图，以可视化一些随机数据的分布和集中度。

准备 2D 密度图的数据

导入依赖项以处理数据并生成绘图：

%use lets-plot

@file:DependsOn("org.apache.commons:commons-math3:3.6.1")
import org.apache.commons.math3.distribution.MultivariateNormalDistribution

有关将依赖项导入 Kotlin Notebook 的更多信息，请参阅 Kotlin Notebook 文档。

将以下代码片段粘贴并运行在你的 Kotlin Notebook 中以创建 2D 数据点集：

// 定义三个分布的协方差矩阵
val cov0: Array<DoubleArray> = arrayOf(
    doubleArrayOf(1.0, -.8),
    doubleArrayOf(-.8, 1.0)
)

val cov1: Array<DoubleArray> = arrayOf(
    doubleArrayOf(1.0, .8),
    doubleArrayOf(.8, 1.0)
)

val cov2: Array<DoubleArray> = arrayOf(
    doubleArrayOf(10.0, .1),
    doubleArrayOf(.1, .1)
)

// 定义样本数
val n = 400

// 定义三个分布的均值
val means0: DoubleArray = doubleArrayOf(-2.0, 0.0)
val means1: DoubleArray = doubleArrayOf(2.0, 0.0)
val means2: DoubleArray = doubleArrayOf(0.0, 1.0)

// 从三个多元正态分布生成随机样本
val xy0 = MultivariateNormalDistribution(means0, cov0).sample(n)
val xy1 = MultivariateNormalDistribution(means1, cov1).sample(n)
val xy2 = MultivariateNormalDistribution(means2, cov2).sample(n)

在上面的代码中，xy0、xy1 和 xy2 变量存储包含 2D (x, y) 数据点的数组。

将你的数据转换为 Map 类型：

val data = mapOf(
    "x" to (xy0.map { it[0] } + xy1.map { it[0] } + xy2.map { it[0] }).toList(),
    "y" to (xy0.map { it[1] } + xy1.map { it[1] } + xy2.map { it[1] }).toList()
)

生成 2D 密度图

使用上一步中的 Map，创建一个 2D 密度图 (geomDensity2D)，并在背景中添加一个散点图 (geomPoint)，以便更好地可视化数据点和异常值。你可以使用 scaleColorGradient() 函数自定义颜色比例：

val densityPlot = letsPlot(data) { x = "x"; y = "y" } + ggsize(600, 300) + geomPoint(
    color = "black",
    alpha = .1
) + geomDensity2D { color = "..level.." } +
        scaleColorGradient(low = "dark_green", high = "yellow", guide = guideColorbar(barHeight = 10, barWidth = 300)) +
        theme().legendPositionBottom()
densityPlot

这是结果：

接下来是什么

在适用于 Kotlin 的 Lets-Plot 文档中探索更多绘图示例。
查看适用于 Kotlin 的 Lets-Plot 的 API 参考。
在 Kotlin DataFrame 和 Kandy 库文档中了解有关使用 Kotlin 转换和可视化数据的信息。
查找有关 Kotlin Notebook 的使用和主要功能的更多信息。

开始之前​

准备数据​

创建散点图​

创建箱线图​

创建 2D 密度图​

准备 2D 密度图的数据​

生成 2D 密度图​

接下来是什么​

开始之前

准备数据

创建散点图

创建箱线图

创建 2D 密度图

准备 2D 密度图的数据

生成 2D 密度图

接下来是什么