开源 Java 数据处理库 CupOfTea 发布

CupOfTea 是一个用于 Java 数据处理的轻量级库。它提供了简单高效的 API 来处理大型结构化数据集，支持过滤、聚合、连接和数据分析等操作。 支持从数组、列表、CSV 文件以及其他来源创建 DataFrame。 一等公民的 Schema 定义：Schema.of("year", INT, "price", DOUBLE)。 在 CSV、JSON 和 Excel 导入时可选自动类型推断。 一等公民的缺失值模型（NA），与空字符串（""）区分开来。 完整支持 java.time（LocalDate、LocalDateTime、Instant）。 使用 BigDecimal 进行精确货币运算（Schema.DECIMAL）。 支持列选择、行过滤、分组、聚合和切片操作。 关系连接：innerJoin、leftJoin、rightJoin、outerJoin、crossJoin，支持自动列去重、多键连接和自定义后缀。 统计运算与摘要：高性能线性 $O(n)$ 分位数和中位数（通过 Introselect 实现）、样本与总体方差和标准差、偏度、峰度、协方差、相关矩阵（corr()）以及描述性摘要（describe()）。 窗口、滚动与累积函数：滑动滚动窗口（df.rolling(w)）、扩展窗口（df.expanding()）、累积操作（cumsum、cumprod、cummin、cummax）、时间序列平移（lead、lag、diff、pctChange），以及类似 SQL 的分析窗口分区与排名（df.window().partitionBy(...).orderBy(...).rank()）。 读写 CSV、JSON、Excel、Parquet 和 YAML 文件。 DTO 与 Record 映射：直接导入和导出标准 Java POJO/JavaBean 和 Java Record（CupOfTea.read().records(...)、df.write().records(...)、CupOfTea.read().dtos(...)、df.write().dtos(...)）。 列式引擎：高性能连续内存布局（ColumnVector 使用基本类型 int[]、double[]、long[]、float[]、boolean[]、String[] 以及 BitSet 空值位掩码），消除逐单元装箱对象开销和行哈希查找。 统一的变更模式：默认使用流式 IN_PLACE 构建器，可通过 .asCopyOnWrite() 和 .asInPlace() 选择启用 COPY_ON_WRITE。 深拷贝：CupOfTea 和 IDataFrame 上提供显式的 .copy() 深拷贝方法。 不可变 Row API：强类型、不可修改的 Row 对象，提供类型化访问器（getInt、getString、getDouble、getBoolean、getLocalDate 等），内部可变行映射零泄漏。 环境要求 Java：Java 17 LTS 或更高版本 构建工具：Maven 3.8+ 或 Gradle 7+ 安装 CupOfTea 是模块化的。你可以只导入核心引擎以及项目所需的 IO 格式模块，或者引入 cupoftea-all 以获得完整的格式支持。 <dependency> <groupId>io.github.cupoftea-labs</groupId> <artifactId>cupoftea-core</artifactId> <version>0.24.0</version> </dependency> 按需添加可选的格式模块（CSV、JSON、Excel、Parquet、Arrow、Plot、SQL、HTML、YAML、XML）：

<!-- Example: Add CSV and JSON format support --> <dependency> <groupId>io.github.cupoftea-labs</groupId> <artifactId>cupoftea-csv</artifactId> <version>0.24.0</version> </dependency> <dependency> <groupId>io.github.cupoftea-labs</groupId> <artifactId>cupoftea-json</artifactId> <version>0.24.0</version> </dependency> <!-- Or import all formats with the aggregator module: --> <!-- <dependency> <groupId>io.github.cupoftea-labs</groupId> <artifactId>cupoftea-all</artifactId> <version>0.24.0</version> </dependency> --> 有关版本发布和发布的更多详细信息，请参阅 docs/community/releasing.md。 // Core library implementation 'io.github.cupoftea-labs:cupoftea-core:0.24.0' // Optional format modules implementation 'io.github.cupoftea-labs:cupoftea-csv:0.24.0' implementation 'io.github.cupoftea-labs:cupoftea-json:0.24.0' // Or all formats at once: // implementation 'io.github.cupoftea-labs:cupoftea-all:0.24.0' Kotlin DSL（build.gradle.kts）： // Core library implementation("io.github.cupoftea-labs:cupoftea-core:0.24.0") // Optional format modules implementation("io.github.cupoftea-labs:cupoftea-csv:0.24.0") implementation("io.github.cupoftea-labs:cupoftea-json:0.24.0") // Or all formats at once: // implementation("io.github.cupoftea-labs:cupoftea-all:0.24.0") 可用模块 模块 描述 依赖 / 格式 cupoftea-core 核心 DataFrame 引擎、过滤、聚合、SPI 接口 无重量级外部依赖 cupoftea-csv CSV 格式读写器 OpenCSV cupoftea-json JSON 格式读写器 Jackson Databind cupoftea-excel Excel 格式读取器（.xlsx / .xls） Apache POI 5.5.1 cupoftea-parquet Parquet 格式读写器 Apache Parquet / Hadoop cupoftea-arrow Apache Arrow IPC 和 Feather 零拷贝格式读写器 Apache Arrow Vector & Netty cupoftea-sql 通过 JDBC 实现 SQL 数据库读写，支持批处理和事务 JDBC（java.sql、javax.sql） cupoftea-html HTML 表格读取器 Jsoup cupoftea-yaml YAML 格式读写器 SnakeYAML cupoftea-xml XML 格式读取器 标准 Java XML DOM cupoftea-plot 声明式绘图引擎（Vega-Lite）、HTML 导出、桌面预览 Jackson Databind cupoftea-all 聚合所有格式和绘图模块的元模块 上述所有格式及绘图 使用示例 读写数据（流式 API） IO 格式通过 ServiceLoader 动态发现。确保对应的格式模块位于你的 classpath 中： import com.cupoftea.CupOfTea; import com.cupoftea.table.Row; import com.cupoftea.table.Schema; import static com.cupoftea.table.Schema.*; import java.io.File; public class Main { public static void main(String[] args) { // Read CSV using fluent API CupOfTea df = CupOfTea.read().csv("data.csv"); df.print(); // Perform filtering with immutable Row CupOfTea filtered = df.filter(row -> row.getInt("age") != null && row.getInt("age") > 30); filtered.print(); // Core pandas-like ops: // Selection and dropping of columns (use copy() for independent views) CupOfTea selected = df.copy().select("name", "age", "salary"); CupOfTea withoutDept = df.copy().drop("department"); // Inspection: head, tail, and slicing df.head(5).print();

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）