使用 Lets-Plot for Kotlin 進行資料視覺化

Lets-Plot for Kotlin (LPK) 是一個多平台繪圖函式庫，將 R 的 ggplot2 函式庫移植到 Kotlin。 LPK 將功能豐富的 ggplot2 API 引入 Kotlin 生態系統，使其適用於需要複雜資料視覺化能力的科學家和統計學家。

LPK 的目標平台包括 Kotlin Notebooks、Kotlin/JS、JVM 的 Swing、JavaFX 和 Compose Multiplatform。此外，LPK 還與 IntelliJ、DataGrip、DataSpell 和 PyCharm 無縫整合。

本教學示範了如何使用 IntelliJ IDEA 中的 Kotlin Notebook，透過 LPK 和 Kotlin DataFrame 函式庫建立不同的圖表類型。

開始之前

下載並安裝最新版本的 IntelliJ IDEA Ultimate。
在 IntelliJ IDEA 中安裝 Kotlin Notebook plugin。

或者，從 IntelliJ IDEA 中的 Settings | Plugins | Marketplace 存取 Kotlin Notebook plugin。
選擇 File | New | Kotlin Notebook 建立新的 Notebook。
在您的 Notebook 中，執行以下指令匯入 LPK 和 Kotlin DataFrame 函式庫：
```
%use lets-plot
%use dataframe
```

準備資料

讓我們建立一個 DataFrame，儲存三個城市（柏林、馬德里和卡拉卡斯）每月平均溫度的模擬數字。

使用 Kotlin DataFrame 函式庫中的 dataFrameOf() 函式來產生 DataFrame。在您的 Kotlin Notebook 中貼上並執行以下程式碼片段：

// The months variable stores a list with 12 months of the year
val months = listOf(
    "January", "February",
    "March", "April", "May",
    "June", "July", "August",
    "September", "October", "November",
    "December"
)
// The tempBerlin, tempMadrid, and tempCaracas variables store a list with temperature values for each month
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)

// The df variable stores a DataFrame of three columns, including monthly records, temperature, and cities
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)

您可以看到 DataFrame 有三欄：Month、Temperature 和 City。 DataFrame 的前四列包含柏林一月到四月的溫度記錄：

要使用 LPK 函式庫建立圖表，您需要將您的資料 (df) 轉換為 Map 類型，將資料儲存在鍵值對中。您可以使用 .toMap() 函式輕鬆地將 DataFrame 轉換為 Map：

val data = df.toMap()

建立散佈圖

讓我們在 Kotlin Notebook 中使用 LPK 函式庫建立散佈圖。

一旦您的資料採用 Map 格式，請使用 LPK 函式庫中的 geomPoint() 函式來產生散佈圖。您可以指定 X 軸和 Y 軸的值，以及定義類別及其顏色。此外，您可以自訂圖表的大小和點形狀，以滿足您的需求：

// Specifies X and Y axes, categories and their color, plot size, and plot type
val scatterPlot =
    letsPlot(data) { x = "Month"; y = "Temperature"; color = "City" } + ggsize(600, 500) + geomPoint(shape = 15)
scatterPlot

結果如下：

建立盒鬚圖

讓我們在盒鬚圖中視覺化資料。使用 LPK 函式庫中的 geomBoxplot() 函式來產生圖表，並使用 scaleFillManual() 函式自訂顏色：

// Specifies X and Y axes, categories, plot size, and plot type
val boxPlot = ggplot(data) { x = "City"; y = "Temperature" } + ggsize(700, 500) + geomBoxplot { fill = "City" } +
    // Customizes colors        
    scaleFillManual(values = listOf("light_yellow", "light_magenta", "light_green"))
boxPlot

結果如下：

建立 2D 密度圖

現在，讓我們建立一個 2D 密度圖，以視覺化一些隨機資料的分布和集中程度。

準備 2D 密度圖的資料

匯入相依性以處理資料並產生圖表：

%use lets-plot

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

有關將相依性匯入 Kotlin Notebook 的更多資訊，請參閱 Kotlin Notebook 文件。

在您的 Kotlin Notebook 中貼上並執行以下程式碼片段，以建立 2D 資料點集：

// Defines covariance matrices for three distributions
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)
)

// Defines the number of samples
val n = 400

// Defines means for three distributions
val means0: DoubleArray = doubleArrayOf(-2.0, 0.0)
val means1: DoubleArray = doubleArrayOf(2.0, 0.0)
val means2: DoubleArray = doubleArrayOf(0.0, 1.0)

// Generates random samples from three multivariate normal distributions
val xy0 = MultivariateNormalDistribution(means0, cov0).sample(n)
val xy1 = MultivariateNormalDistribution(means1, cov1).sample(n)
val xy2 = MultivariateNormalDistribution(means2, cov2).sample(n)

從上面的程式碼中，xy0、xy1 和 xy2 變數儲存包含 2D (x, y) 資料點的陣列。

將您的資料轉換為 Map 類型：

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()
)

產生 2D 密度圖

使用前一步驟中的 Map，建立一個 2D 密度圖 (geomDensity2D)，背景帶有散佈圖 (geomPoint)，以更好地視覺化資料點和離群值。您可以使用 scaleColorGradient() 函式來自訂顏色比例：

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

結果如下：

接下來

在 Lets-Plot for Kotlin 的文件中探索更多圖表示例。
查看 Lets-Plot for Kotlin 的 API 參考。
透過 Kotlin DataFrame 和 Kandy 函式庫文件，了解如何使用 Kotlin 轉換和視覺化資料。
尋找有關 Kotlin Notebook 的用法和主要功能的其他資訊。

開始之前​

準備資料​

建立散佈圖​

建立盒鬚圖​

建立 2D 密度圖​

準備 2D 密度圖的資料​

產生 2D 密度圖​

接下來​

開始之前

準備資料

建立散佈圖

建立盒鬚圖

建立 2D 密度圖

準備 2D 密度圖的資料

產生 2D 密度圖

接下來