[发明专利]数据抽样方法及装置

权利要求书

1.一种数据抽样方法，其特征在于包括：

获取目标数据，其中，所述目标数据包括多个数据块；

计算所述目标数据的数据块总数N；

根据对样本数的要求计算所述目标数据的抽样样本数M；

从每个数据块中分别随机选取R个样本，并进行汇总构成所述目标数据的抽样样本，其中，在M/N是整数的情况下，R=M/N，在M/N是小数的情况下，R等于M/N向上取整或者向下取整得到的整数。

2.根据权利要求1所述的方法，其特征在于，

计算所述目标数据的抽样样本数M包括：获取一个数据块中的数据行数r；计算所述目标数据的总行数N*r，使用随机抽样公式根据所述总行数得到所述抽样样本数M；

从所述每个数据块中分别随机选取R个样本包括：从所述每个数据块中随机选取R行数据作为所述R个样本。

3.根据权利要求2所述的方法，其特征在于，从所述每个数据块中随机选取R行数据包括：

为所述每个数据块中的每一行数据分配一个随机数；

将所述每个数据块中的行数据分别按照随机数的大小进行排列；

在所述每个数据块中的排列好的数据中分别取连续的R行数据。

4.根据权利要求3所述的方法，其特征在于，在所述每个数据块中的排列好的数据中取连续的M/N行数据包括：

在所述每个数据块中排列好的数据中取随机数最大的R行数据；或者，

在所述每个数据块中排列好的数据中取随机数最小的R行数据。

5.根据权利要求3所述的方法，其特征在于，

为所述每个数据块中的每一行数据分配一个随机数包括：将所述每个数据块中的数据分别读入内存并存放在数组中；为所述数组的每一列生成一个随机数；

将所述每个数据块中的行数据分别按照随机数的大小进行排列包括：按照随机数的大小对所述数组中的列进行排序；

在所述每个数据块中的排列好的数据中分别取连续的R行数据包括：在所述每个数据块中排列好的数组中分别取连续的R列作为所述R行数据。

6.一种数据抽样装置，其特征在于包括：

第一获取模块，用于获取包括多个数据块的目标数据，并计算所述目标数据的数据块总数N；

第二获取模块，用于根据对样本数的要求计算所述目标数据的抽样样本数M；

构成模块，用于从每个数据块中分别随机选取R个样本，并进行汇总构成所述目标数据的抽样样本，其中，在M/N是整数的情况下，R=M/N，在M/N是小数的情况下，R等于M/N向上取整或者向下取整得到的整数。

7.根据权利要求6所述的装置，其特征在于，

所述第二获取模块，用于获取一个数据块中的数据行数r，计算所述目标数据的总行数N*r，并使用随机抽样公式根据所述总行数得到所述抽样样本数M；

所述构成模块，用于从所述每个数据块中随机选取R行数据作为所述R个样本。

8.根据权利要求7所述的装置，其特征在于，所述构成模块包括：

分配单元，用于为所述每个数据块中的每一行数据分配一个随机数；

排列单元，用于将所述每个数据块中的行数据分别按照随机数的大小进行排列；

抽取单元，用于在所述每个数据块中的排列好的数据中分别取连续的R行数据。

9.根据权利要求8所述的装置，其特征在于，

所述抽取单元，用于在所述每个数据块中排列好的数据中取随机数最大的R行数据；或者，用于在所述每个数据块中排列好的数据中取随机数最小的R行数据。

10.根据权利要求8所述的装置，其特征在于，

所述分配单元，用于将所述每个数据块中的数据分别读入内存并存放在数组中；为所述数组的每一列生成一个随机数；

所述排列单元，用于按照随机数的大小对所述数组中的列进行排序；

所述抽取单元，用于在所述每个数据块中排列好的数组中分别取连续的R列作为所述R行数据。