
数据分析,如何生成你需要的基础数据
想要将数据分析、数据挖掘的作用最大化,数据的完整性总是必不可少的,因此,掌握一些生成基础数据的方法也非常重要。本期文章,我们以医疗场景为例,手把手教你生成基础数据~
我们在从事数据相关的项目过程中,数据梳理、数据整合和数据补全等工作需要占用大量的时间与精力,而进展到数据分析、数据挖掘阶段也对数据的完整性有着苛刻的要求。对于一个统计算法的验证与研究,也同样面临着根据自身业务情景特点,配置数据属性的需求。
今天,我们就简单介绍几种基础数据生产方法,以简化我们的ETL流程,方便大家根据业务定义去生产数据。
本文以面向对象的JAVA语义进行示例。小伙伴们可以按照自己熟悉的各种语言来实现,笔者秉承着逻辑方法高于开发语言选择的思想去发现问题、解决问题。
业务场景:
在医院就诊过程中,系统需要记录我们的基本信息,比如:病案号、姓名、性别、发病时间、体重等。这些数据必须符合客观规律,并且结构化。我们接下来就逐一介绍每种属性的数据生产方法。
1、根据面向对象原则建立一个父类
首先我们建立一个抽象类AttributeValueGenerator,在这个类中声明一个实体entity,并建立get、set方法,此后的每种方法都继承这个父类。
2、定义病案号
病案号是一组规则的、自定义的递增数列,我们可以采用递增的方式产生。定义两个参数:病案号的起始数字、增长规模。
函数如下:
输入参数:
10001为病案号的起始数字、每次增加1。
结果展示:
3、区分性别
我们用一组枚举型的数列填充性别属性。男性、女性的就诊比例根据业务需求自定义,采用按百分比产生随机数的方式实现。
函数如下:
输入参数:
第一个参数为性别、第二参数为出现的概率。
结果展示:
4、发病日期归并
发病日期分布在不同的年份月份日期,需要规划起始日期、截止日期、期间概率,随机生成范围内日期并转换为int型输出。
函数如下:
参数输入:
发病时间在2005年的占27%、在2006年的占73%
结果展示:
5、体重正态分布
一组成年人的体重数据应该根据男女区别对待,并符合正态分布的规律。正态分布数据生成,可以控制期望、方差、起始、截止。
函数如下:
参数输入:
如果是男性,平均值为67公斤、方差为10、40-150公斤之间浮动。
如果是女性,平均值为57公斤、方差为10、40-150公斤之间浮动。
结果如下:
汇总结果展现:
总结
我们可以不停地思考,随时随地的根据项目需要结合数据特点来开发一些属性的生成函数。不要小看这些细节,一旦你需要的时候就可以快速生产了。
所谓:积土成山,风雨兴焉;积水成渊,蛟龙生焉;积善成德,而神明自得,圣心备焉。故不积跬步,无以至千里;不积小流,无以成江海。你说是不是这个道理呢?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PyTorch 核心机制:损失函数与反向传播如何驱动模型进化 在深度学习的世界里,模型从 “一无所知” 到 “精准预测” 的蜕变,离 ...
2025-07-252025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-25从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-25用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-24解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-24CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-24从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-23用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-23鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-23解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-22解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-22CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-22左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-22你是不是也经常刷到别人涨粉百万、带货千万,心里痒痒的,想着“我也试试”,结果三个月过去,粉丝不到1000,播放量惨不忍睹? ...
2025-07-21我是陈辉,一个创业十多年的企业主,前半段人生和“文字”紧紧绑在一起。从广告公司文案到品牌策划,再到自己开策划机构,我靠 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18