[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取待处理电子表格数据；

查询所述待处理电子表格数据中包含非数字信息的列，将查询到的列进行数字化处理，生成处理电子表格数据；

根据所述待处理电子表格数据获取多组聚类组合，其中每组聚类组合包含至少一个聚类字段，每个聚类字段是所述待处理电子表格数据中的一个列字段；

提取一组聚类组合，根据所述聚类组合查询所述处理电子表格数据中对应信息，将所述对应信息进行聚类分析，获取指定的多个聚类样本，统计每个聚类样本占所述对应信息的比例后进行保存；统计所述聚类组合中每个聚类字段下的对应信息分别在所述每个聚类样本中所占的比例后进行保存；

返回执行提取一组聚类组合的操作，直至预设的多组聚类组合全部处理完毕。

2.根据权利要求1所述的方法，其特征在于，获取待处理电子表格数据，包括：

获取原始电子表格数据；

将所述原始电子表格数据中不需要进行聚类统计分析的列字段以及该列字段对应的信息删除；

将所述原始电子表格数据中包含多个子字段的列字段进行拆分，生成待处理电子表格数据。

3.根据权利要求1所述的方法，其特征在于，查询所述待处理电子表格数据中包含非数字信息的列，将查询到的列进行数字化处理之前，还包括：

将所述待处理电子表格数据中的标题行中列字段及其所对应的列的序号保存至第一字典表变量；

根据所述待处理电子表格数据获取多组聚类组合，包括：

获取所述第一字典表变量中的多个列字段；

将所述多个列字段进行不同组合生成多组聚类组合，将所述多组聚类组合保存至第一工作表。

4.根据权利要求1所述的方法，其特征在于，所述非数字信息包括汉字信息、空值信息和空字符串信息；

查询所述待处理电子表格数据中包含非数字信息的列，将查询到的列进行数字化处理，生成处理电子表格数据，包括：

将所述汉字信息按照字段进行分组，删除每组中重复信息，并将不重复信息进行排序；

将所述不重复信息按照排序进行数字编号，将所述数字编号保存至第二字典表变量；

根据所述第二字典表变量中的信息，将汉字信息转换为对应的数字编号；

将所述空值信息和空字符串信息转换为特定数字。

5.根据权利要求1所述的方法，其特征在于，将所述对应信息进行聚类分析，获取指定的多个聚类样本，包括：

从所述对应信息中随机选取K个作为聚类中心；

将所述对应信息中的其它信息按照最小距离原则分配至最邻近的聚类中心对应的聚类，得到K个聚类样本；

将所述K个聚类样本中每个聚类样本中的样本均值作为新的聚类中心；

返回执行将所述对应信息中的其它信息按照最小距离原则分配至最邻近的聚类中心对应的聚类，得到K个聚类样本的操作，直至聚类中心不再变化时，获取当前的K个聚类样本作为指定的多个聚类样本。

6.根据权利要求1所述的方法，其特征在于，将统计的每个聚类样本占所述对应信息的比例保存至第二工作表；将统计的所述聚类组合中每个聚类字段下的对应信息分别在所述每个聚类样本中所占的比例保存至第三工作表；

在统计所述聚类组合中每个聚类字段下的对应信息分别在所述每个聚类样本中所占的比例后保存至第三工作表之后，还包括：

将所述第二工作表和所述第三工作表保存至由各个聚类字段命名的第一工作簿中。