Изменения

Также Котлин имеет имеет такую особенность дизайна языка, как ''null-safety'' и предоставляет такие операторы, как: ''safe call operator, elvis operator, not-null assertion operator'', что позволяет ему быть более типобезопасным, по сравнению сравнениюc с Python:'''Kotlin'''

==Установка Kotlin в Jupyter Notebook==

* '''[https://github.com/thomasnield/kotlin-statistics kotlin-statistics''']''' $-$ предоставляет расширения для функций для подсчета статистики. Поддерживает основные list/sequence/array functions, slicing operators (countBy, simpleRegressionBy, etc), binning operations, discrete PDF sampling, naive bayes classifier, clustering, linear regression, и другое* '''[https://github.com/mipt-npm/kmath kmath''']''' $-$ поддерживает алгебраические структуры и операторы, математические выражения, гистограммы, потоковые операции, обертки над commons-math и koma, и другое. Вдохновлена numpy* '''[https://github.com/holgerbrandl/krangl Krangl''']''' $-$ предоставляет функционал для обработки данных в функциональном стиле(filter, transform, aggregate, reshape и др.) Вдохновлена pandas* '''[https://github.com/JetBrains/lets-plot lets-plot''']''' $-$ Мультиплатформенная библиотека для создания графиков из данных. Может использоваться не только в JVM, но также JS and Python.* '''[https://github.com/holgerbrandl/kravis kravis''']''' $-$ библиотека для визуализации данных.* '''[https://github.com/cbeust/klaxon klaxon''']''' $-$ Котлин JSON парсер* '''[https://github.com/apache/spark spark''']''' $-$ Фреймворк для распределённой обработки неструктурированных и слабоструктурированных данных* '''[https://github.com/eseifert/gral gral''']''' $-$ Java библиотека для отображения графиков* '''[https://koma.kyonifer.com/index.html koma''']''' $-$ Котлин библиотека для научных вычислений* '''[https://github.com/Kotlin/kotlin-numpy numpy''']''' $-$ Kотлин обертка над Python NumPy * '''[https://github.com/JetBrains/Exposed exposed''']''' $-$ Kотлин SQL фреймворк* '''[https://github.com/mysql/mysql-connector-j mysql''']''' $-$ MySql JDBC

'''%use klaxon''' '''import java.io.*'''

'''data class User(''' ''' val age: Int, ''' ''' val firstName: String ="", ''' ''' val lastName: String ="", ''' ''' val eyeColor: String''' ''')'''

'''val users = Klaxon().parseArray<User>(File("users.json").readText())!!''' '''users.count()'''

'''Примеры обработки данных в функциональном стиле с Kotlin stdlib: ''' users.filter{it.eyeColor == "green"}'''

'''users.groupBy { user -> user.eyeColor }''' ''' .mapValues { mapEntry ->''' ''' mapEntry.value.map { user -> user.firstName} '''}'''

'''df.filter { it["age"] eq 23 }''' '''df.filter { it["weight"] gt 50 }''' '''df.filter({ it["last_name"].isMatching { startsWith("Do") }})'''

'''df.sortedBy("age", "weight")''' '''df.sortedByDescending("age")'''

'''df.select2 { it is IntCol } // functional style column selection ''' '''df.select("last_name", "weight") // positive selection ''' '''df.remove("weight", "age") // negative selection ''' '''df.select({ endsWith("name") }) // selector mini-language '''

'''fun readFromJsonString(s: String) =''' ''' s.removePrefix("JsonArray(value=[")''' ''' .removeSuffix("])")''' ''' .split(',')''' ''' .dropLastWhile{it.isEmpty()}''' ''' .toList()'''

'''val channels = DataFrame ''' '''.fromJson("channels.json")''' '''.addColumn("groups") { it["groups"].map<String>{value -> readFromJsonString(value)}} '''

'''val modifiedChannels = channels''' ''' .addColumn("count"){it["groups"].map<List<*>>{it.count()}}''' ''' .filter{it["score"] gt 50}''' ''' .filter{it["age (y)"] lt 40}''' ''' .select("name", "score", "count", "groups")''' ''' .sortedByDescending("score")''' Больше примеров с ипользованием библиотеки krangl - https://github.com/Kotlin/kotlin-jupyter/blob/master/samples/Krangl.ipynb

'''lets_plot(eyes) + stat_count() + ggsize(500,300)'''

'''val rand = java.util.Random()''' '''val data = mapOf<String, Any>(''' ''' "rating" to List(200) { rand.nextGaussian() } + List(200) { rand.nextGaussian() * 1.5 + 1.5 },''' ''' "cond" to List(200) { "A" } + List(200) { "B" }''' ''' )''' '''var p = lets_plot(data)''' '''p += geom_density(color="dark_green", alpha=.3) {x="rating"; fill="cond"}''' '''p + ggsize(500, 250)'''

'''lets_plot(mapOf(''' '''"date" to usages.select("DateTime").collectAsList().map{(it[0] as Timestamp).getTime()},''' '''"usage" to usages.select("users").collectAsList().map{it[0]}''' ''')) +''' '''geom_bar(stat = Stat.identity){x = "date"; y = "usage"; fill ="usage"} +''' '''scale_x_datetime() +''' '''scale_fill_hue()+''' '''qqsize(800, 400)'''

 Подробнее - https://github.com/holgerbrandl/kravis  '''%use kravis, krangl ''' '''val sleepData = DataFrame.fromJson("data.json"). ''' '''.addColumn("rem_proportion") { it["sleep_rem"] / it["sleep_total"] } ''' '''.plot(x = "sleep_total", y = "rem_proportion", color = "vore", size = "brainwt") ''' ''' .geomPoint(alpha = 0.7) ''' ''' .guides(size = LegendType.none) ''' ''' .title("Correlation between dream and total sleep time") '''