--- title: "Kotlin Notebook para Data Science: Guia Prático em 2026 | Kotlin Brasil" url: "https://kotlin.dev.br/blog/kotlin-notebook-data-science-2026/" markdown_url: "https://kotlin.dev.br/blog/kotlin-notebook-data-science-2026.MD" description: "Aprenda a usar Kotlin Notebook para análise de dados com DataFrame e Kandy. Alternativa ao Jupyter com tipagem forte e IDE integrada." date: "2026-04-10" author: "Karina Melo" --- # Kotlin Notebook para Data Science: Guia Prático em 2026 | Kotlin Brasil Aprenda a usar Kotlin Notebook para análise de dados com DataFrame e Kandy. Alternativa ao Jupyter com tipagem forte e IDE integrada. Se você trabalha com dados e sempre associou notebooks interativos ao Python e Jupyter, é hora de conhecer o **Kotlin Notebook**. Integrado ao IntelliJ IDEA e com suporte a bibliotecas poderosas como **DataFrame** e **Kandy**, o Kotlin Notebook está se consolidando como uma alternativa real para análise de dados — com a vantagem de tipagem estática e toda a expressividade do Kotlin. Com as novidades de 2026 e palestras dedicadas na [KotlinConf 2026](https://kotlinconf.com/) e IntelliJ IDEA Conf, a ferramenta ganha cada vez mais atenção. Neste artigo, você vai aprender o que é, como funciona e como começar a usar na prática. ## O que é o Kotlin Notebook? O **Kotlin Notebook** é um ambiente de desenvolvimento interativo baseado em células, integrado diretamente ao IntelliJ IDEA. Ele permite: - **Executar código Kotlin** em células com resultado imediato - **Misturar código, texto em Markdown e visualizações** no mesmo documento - **Explorar dados** com feedback instantâneo - **Exportar** como `.ipynb` (compatível com Jupyter) O Kotlin Notebook é baseado no **Kotlin Kernel para Jupyter Notebooks**, o que garante compatibilidade com Jupyter, Datalore e outras ferramentas do ecossistema. ### Setup: zero configuração A melhor parte? O plugin do Kotlin Notebook já vem **bundled e habilitado** no IntelliJ IDEA. Basta criar um novo arquivo `.ipynb` e começar a escrever código Kotlin. Não precisa instalar interpretadores Python, ambientes virtuais ou dependências externas. ## Carregando e explorando dados com DataFrame A biblioteca [Kotlin DataFrame](https://kotlin.github.io/dataframe/) permite carregar, filtrar, transformar e analisar dados estruturados com uma API tipada e idiomática. ### Importando a dependência Em uma célula do notebook, basta usar a anotação `%use`: ```kotlin %use dataframe ``` ### Lendo um arquivo CSV ```kotlin val dados = DataFrame.read("vendas-2026.csv") dados.head(5) ``` A saída aparece como uma tabela formatada diretamente no notebook, semelhante a um `pandas.DataFrame` no Python. ### Filtrando e transformando dados ```kotlin // Filtrando vendas acima de R$ 1000 val vendasAltas = dados .filter { "valor"() > 1000.0 } .sortByDesc("valor") vendasAltas.head(10) ``` ### Agrupando e agregando ```kotlin // Total de vendas por região val totalPorRegiao = dados .groupBy("regiao") .aggregate { sum("valor") into "total_vendas" count() into "quantidade" } .sortByDesc("total_vendas") totalPorRegiao ``` A grande vantagem sobre Python é que o **DataFrame do Kotlin** gera tipos automaticamente a partir dos dados. Quando você carrega um CSV, as colunas viram propriedades tipadas — erros de nome de coluna são pegos **em tempo de compilação**, não em runtime. ### Conectando com bancos de dados O DataFrame também suporta leitura direta de **SQL**: ```kotlin %use dataframe val conexao = "jdbc:postgresql://localhost:5432/meubanco" val query = "SELECT nome, departamento, salario FROM funcionarios" val funcionarios = DataFrame.readSqlQuery(conexao, query) funcionarios .filter { "salario"() > 8000.0 } .groupBy("departamento") .aggregate { mean("salario") into "salario_medio" count() into "total" } ``` Se você já trabalha com [bancos de dados em Kotlin](/blog/kotlin-exposed-orm-framework-sql/) usando Exposed, o DataFrame complementa como ferramenta de análise exploratória. ## Visualizando dados com Kandy O [Kandy](https://kotlin.github.io/kandy/) é a biblioteca de visualização oficial do ecossistema Kotlin, construída sobre o LetsPlot. Ela oferece uma **DSL type-safe** para criar gráficos diretamente no notebook. ### Importando o Kandy ```kotlin %use kandy ``` ### Gráfico de barras ```kotlin val regioes = listOf("Sudeste", "Sul", "Nordeste", "Centro-Oeste", "Norte") val vendas = listOf(45000, 32000, 28000, 18000, 12000) plot { bars { x(regioes) { axis.name = "Região" } y(vendas) { axis.name = "Vendas (R$)" } fillColor = Color.hex("#7F52FF") // Roxo Kotlin } layout.title = "Vendas por Região — 2026" } ``` ### Gráfico de linhas com séries temporais ```kotlin val meses = listOf("Jan", "Fev", "Mar", "Abr", "Mai", "Jun") val receita = listOf(120000, 135000, 128000, 142000, 155000, 148000) val custos = listOf(95000, 98000, 102000, 99000, 105000, 108000) plot { line { x(meses) { axis.name = "Mês" } y(receita) { axis.name = "Valor (R$)" } color = Color.hex("#7F52FF") width = 2.5 } line { x(meses) y(custos) color = Color.hex("#E87D3E") width = 2.5 } layout { title = "Receita vs Custos — 1º Semestre 2026" size = 800 to 400 } } ``` ### Gráfico de dispersão ```kotlin val experiencia = listOf(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) val salarios = listOf(4500, 5200, 6100, 7800, 8500, 9200, 10500, 11800, 13000, 15000) plot { points { x(experiencia) { axis.name = "Anos de Experiência" } y(salarios) { axis.name = "Salário (R$)" } size = 5.0 color = Color.hex("#7F52FF") } layout.title = "Experiência vs Salário — Devs Kotlin no Brasil" } ``` Se você se interessa pela relação entre experiência e salário, temos artigos detalhados sobre [salários de dev Kotlin](/carreira/salarios-kotlin-brasil/) e [mercado de trabalho](/carreira/kotlin-mercado-trabalho/). ## Casos de uso práticos O Kotlin Notebook não é só para data scientists. Veja onde ele brilha: ### 1. Prototipagem rápida de APIs Testar endpoints antes de integrar no projeto principal: ```kotlin @file:DependsOn("io.ktor:ktor-client-core:3.1.2") @file:DependsOn("io.ktor:ktor-client-cio:3.1.2") @file:DependsOn("io.ktor:ktor-client-content-negotiation:3.1.2") @file:DependsOn("io.ktor:ktor-serialization-kotlinx-json:3.1.2") import io.ktor.client.* import io.ktor.client.request.* import io.ktor.client.statement.* val client = HttpClient() val response = client.get("https://api.github.com/repos/JetBrains/kotlin") println(response.bodyAsText().take(500)) ``` Se você trabalha com [Ktor](/blog/ktor-criando-apis-kotlin/), o notebook é perfeito para experimentação rápida. ### 2. Análise de logs e métricas Carregar logs de produção e analisar padrões: ```kotlin %use dataframe val logs = DataFrame.read("app-logs-2026-04.csv") // Erros por hora do dia val errosPorHora = logs .filter { "level"() == "ERROR" } .groupBy("hora") .count() .sortBy("hora") errosPorHora ``` ### 3. Documentação executável Combinar Markdown e código para criar documentação que realmente roda: ```markdown ## Exemplo de uso do nosso SDK O trecho abaixo mostra como autenticar e buscar dados: ``` ```kotlin val sdk = MeuSDK(apiKey = "demo-key") val resultado = sdk.buscarDados(filtro = "ativo") resultado.forEach { println(it) } ``` ### 4. Preparação de dados para Machine Learning Se você está explorando [Kotlin para IA e Machine Learning](/blog/kotlin-ia-machine-learning/), o Notebook é ideal para a etapa de preparação de dados — limpeza, normalização e feature engineering. ## Kotlin Notebook vs Jupyter com Python | Aspecto | Kotlin Notebook | Jupyter (Python) | |---------|-----------------|-------------------| | **Tipagem** | Estática (erros em compile time) | Dinâmica (erros em runtime) | | **IDE** | IntelliJ IDEA nativo | Navegador ou VS Code | | **Autocompletar** | Completo, com tipos | Limitado | | **Performance** | JVM (rápido para processamento) | Interpretado | | **Ecossistema de dados** | DataFrame + Kandy | pandas + matplotlib/seaborn | | **Interoperabilidade** | Java, Kotlin, KMP | Python | | **Formato** | `.ipynb` compatível | `.ipynb` nativo | Para quem já programa em Kotlin e precisa analisar dados, o Kotlin Notebook elimina a troca de contexto para Python. Você usa a mesma linguagem do backend, do Android e do [Compose Multiplatform](/blog/compose-multiplatform-1-10-6-2026/). ## Dicas para começar 1. **Atualize o IntelliJ IDEA** para a versão 2025.1 ou superior 2. **Crie um novo Kotlin Notebook**: File → New → Kotlin Notebook 3. **Use `%use`** para importar bibliotecas: `%use dataframe`, `%use kandy` 4. **Explore dados reais**: comece com um CSV pequeno do seu projeto 5. **Exporte como `.ipynb`** para compartilhar com colegas que usam Jupyter ## Recursos e próximos passos O Kotlin Notebook está evoluindo rapidamente. Na KotlinConf 2026 (maio, em Munique), haverá palestras dedicadas sobre análise de dados com Kotlin, incluindo workshops práticos com DataFrame e Kandy. Para aprofundar, confira estes conteúdos relacionados: - [Kotlin para IA e Machine Learning](/blog/kotlin-ia-machine-learning/) - [Melhores bibliotecas Kotlin](/blog/melhores-bibliotecas-kotlin/) - [Kotlin DSL: criando APIs expressivas](/blog/kotlin-dsl/) - [Coroutines em Kotlin](/blog/coroutines-kotlin/) — útil para processamento assíncrono de dados - [Extension functions](/blog/extension-functions-kotlin/) — base para as DSLs do DataFrame e Kandy - [Kotlin 2.4.0 Beta1: todas as novidades](/blog/kotlin-2-4-0-beta-novidades-2026/) ## Conclusão O Kotlin Notebook transforma o IntelliJ IDEA em um ambiente completo para análise de dados, prototipagem e documentação interativa. Com **DataFrame** para manipulação de dados e **Kandy** para visualização, você tem um stack 100% Kotlin — sem precisar alternar para Python. Se você é dev Kotlin e precisa explorar dados, gerar relatórios ou prototipar rapidamente, o Notebook é uma ferramenta que vale conhecer. Comece com um CSV do seu projeto e veja como a tipagem estática e o autocompletar do IntelliJ IDEA fazem diferença na produtividade. Embora Python com Jupyter ainda domine data science, o Kotlin Notebook oferece vantagens únicas para quem já trabalha no ecossistema JVM — especialmente a tipagem estática e o autocomplete inteligente do IntelliJ. Para mais conteúdo sobre o ecossistema Kotlin em português, explore nosso [glossário](/glossario/), [tutoriais](/tutoriais/) e [guias completos](/guias/).