
數(shù)據(jù)分析,如何生成你需要的基礎(chǔ)數(shù)據(jù)
想要將數(shù)據(jù)分析、數(shù)據(jù)挖掘的作用最大化,數(shù)據(jù)的完整性總是必不可少的,因此,掌握一些生成基礎(chǔ)數(shù)據(jù)的方法也非常重要。本期文章,我們以醫(yī)療場(chǎng)景為例,手把手教你生成基礎(chǔ)數(shù)據(jù)~
我們?cè)趶氖聰?shù)據(jù)相關(guān)的項(xiàng)目過(guò)程中,數(shù)據(jù)梳理、數(shù)據(jù)整合和數(shù)據(jù)補(bǔ)全等工作需要占用大量的時(shí)間與精力,而進(jìn)展到數(shù)據(jù)分析、數(shù)據(jù)挖掘階段也對(duì)數(shù)據(jù)的完整性有著苛刻的要求。對(duì)于一個(gè)統(tǒng)計(jì)算法的驗(yàn)證與研究,也同樣面臨著根據(jù)自身業(yè)務(wù)情景特點(diǎn),配置數(shù)據(jù)屬性的需求。
今天,我們就簡(jiǎn)單介紹幾種基礎(chǔ)數(shù)據(jù)生產(chǎn)方法,以簡(jiǎn)化我們的ETL流程,方便大家根據(jù)業(yè)務(wù)定義去生產(chǎn)數(shù)據(jù)。
本文以面向?qū)ο蟮腏AVA語(yǔ)義進(jìn)行示例。小伙伴們可以按照自己熟悉的各種語(yǔ)言來(lái)實(shí)現(xiàn),筆者秉承著邏輯方法高于開(kāi)發(fā)語(yǔ)言選擇的思想去發(fā)現(xiàn)問(wèn)題、解決問(wèn)題。
業(yè)務(wù)場(chǎng)景:
在醫(yī)院就診過(guò)程中,系統(tǒng)需要記錄我們的基本信息,比如:病案號(hào)、姓名、性別、發(fā)病時(shí)間、體重等。這些數(shù)據(jù)必須符合客觀規(guī)律,并且結(jié)構(gòu)化。我們接下來(lái)就逐一介紹每種屬性的數(shù)據(jù)生產(chǎn)方法。
1、根據(jù)面向?qū)ο笤瓌t建立一個(gè)父類
首先我們建立一個(gè)抽象類AttributeValueGenerator,在這個(gè)類中聲明一個(gè)實(shí)體entity,并建立get、set方法,此后的每種方法都繼承這個(gè)父類。
2、定義病案號(hào)
病案號(hào)是一組規(guī)則的、自定義的遞增數(shù)列,我們可以采用遞增的方式產(chǎn)生。定義兩個(gè)參數(shù):病案號(hào)的起始數(shù)字、增長(zhǎng)規(guī)模。
函數(shù)如下:
輸入?yún)?shù):
10001為病案號(hào)的起始數(shù)字、每次增加1。
結(jié)果展示:
3、區(qū)分性別
我們用一組枚舉型的數(shù)列填充性別屬性。男性、女性的就診比例根據(jù)業(yè)務(wù)需求自定義,采用按百分比產(chǎn)生隨機(jī)數(shù)的方式實(shí)現(xiàn)。
函數(shù)如下:
輸入?yún)?shù):
第一個(gè)參數(shù)為性別、第二參數(shù)為出現(xiàn)的概率。
結(jié)果展示:
4、發(fā)病日期歸并
發(fā)病日期分布在不同的年份月份日期,需要規(guī)劃起始日期、截止日期、期間概率,隨機(jī)生成范圍內(nèi)日期并轉(zhuǎn)換為int型輸出。
函數(shù)如下:
參數(shù)輸入:
發(fā)病時(shí)間在2005年的占27%、在2006年的占73%
結(jié)果展示:
5、體重正態(tài)分布
一組成年人的體重?cái)?shù)據(jù)應(yīng)該根據(jù)男女區(qū)別對(duì)待,并符合正態(tài)分布的規(guī)律。正態(tài)分布數(shù)據(jù)生成,可以控制期望、方差、起始、截止。
函數(shù)如下:
參數(shù)輸入:
如果是男性,平均值為67公斤、方差為10、40-150公斤之間浮動(dòng)。
如果是女性,平均值為57公斤、方差為10、40-150公斤之間浮動(dòng)。
結(jié)果如下:
匯總結(jié)果展現(xiàn):
總結(jié)
我們可以不停地思考,隨時(shí)隨地的根據(jù)項(xiàng)目需要結(jié)合數(shù)據(jù)特點(diǎn)來(lái)開(kāi)發(fā)一些屬性的生成函數(shù)。不要小看這些細(xì)節(jié),一旦你需要的時(shí)候就可以快速生產(chǎn)了。
所謂:積土成山,風(fēng)雨興焉;積水成淵,蛟龍生焉;積善成德,而神明自得,圣心備焉。故不積跬步,無(wú)以至千里;不積小流,無(wú)以成江海。你說(shuō)是不是這個(gè)道理呢?
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10