Python數(shù)據(jù)結(jié)構(gòu)在社保大數(shù)據(jù)領(lǐng)域運(yùn)用分析

肖轉(zhuǎn)紅

（山西運(yùn)城師范高等?？茖W(xué)校 山西省運(yùn)城市 044000）

Python 語言在計(jì)算機(jī)領(lǐng)域有著較為廣泛的應(yīng)用，能夠基于既定的數(shù)據(jù)結(jié)構(gòu)方式來提升對(duì)各類數(shù)據(jù)進(jìn)行處理的效率，也能夠保證數(shù)據(jù)分析結(jié)果的準(zhǔn)確性。社保是社會(huì)民生工程的重要組成部分，是基本的社會(huì)保障之一，將Python 數(shù)據(jù)結(jié)構(gòu)與大數(shù)據(jù)技術(shù)的應(yīng)用結(jié)合起來，對(duì)提升社保數(shù)據(jù)的處理效率，改善社會(huì)公共服務(wù)的水平具有積極的意義，能夠?yàn)楦嗾?wù)服務(wù)工作的開展提供參考。

1 Python的數(shù)據(jù)結(jié)構(gòu)

1.1 遍歷函數(shù)的應(yīng)用

Python 語言從本質(zhì)上來說是一種工具，能夠?qū)诰W(wǎng)絡(luò)環(huán)境的空間數(shù)據(jù)進(jìn)行批量處理。在Python 語言中應(yīng)用遍歷函數(shù)，能夠基于Pythonfor 的循環(huán)語句、內(nèi)置函數(shù)enumerate，遍歷匯集了空間數(shù)據(jù)的數(shù)據(jù)表文件中的目錄、序列項(xiàng)目，將遍歷后得到的結(jié)果應(yīng)用數(shù)組、鏈表等數(shù)據(jù)結(jié)構(gòu)的方式存儲(chǔ)起來[1]。

1.2 數(shù)據(jù)結(jié)構(gòu)

基于遍歷函數(shù)的Python 數(shù)據(jù)結(jié)構(gòu)，只需要依據(jù)OSwalk（）、glob（）等的遍歷函數(shù)，就可以直接獲取到網(wǎng)絡(luò)空間文件夾內(nèi)的所有目錄和數(shù)據(jù)表文件，進(jìn)而獲取到具體的數(shù)據(jù)結(jié)構(gòu)[2]。

2 在社保大數(shù)據(jù)領(lǐng)域應(yīng)用Python數(shù)據(jù)結(jié)構(gòu)的情況分析

將Python 數(shù)據(jù)結(jié)構(gòu)應(yīng)用到社保大數(shù)據(jù)領(lǐng)域，能夠在應(yīng)用大數(shù)據(jù)技術(shù)的基礎(chǔ)上，借助Python 數(shù)據(jù)結(jié)構(gòu)來實(shí)現(xiàn)對(duì)于更多復(fù)雜數(shù)據(jù)內(nèi)容的批量處理和任務(wù)執(zhí)行，對(duì)于提升大數(shù)據(jù)技術(shù)的應(yīng)用價(jià)值，提升社保服務(wù)質(zhì)量水平具有積極的作用。基于此，在對(duì)社保大數(shù)據(jù)領(lǐng)域應(yīng)用Python 數(shù)據(jù)結(jié)構(gòu)的情況進(jìn)行分析時(shí)，主要可以從以下幾個(gè)方面來入手：

2.1 數(shù)據(jù)表文件批量處理方案

2.1.1 擴(kuò)展工具的應(yīng)用

對(duì)數(shù)量較多的數(shù)據(jù)表文件進(jìn)行批量處理，需要應(yīng)用擴(kuò)展工具來實(shí)現(xiàn)。當(dāng)前能夠應(yīng)用于Python 語言的擴(kuò)展工具，以ARC-TOOLBOX 擴(kuò)展工具、矢量裁剪擴(kuò)展工具、Arcpy 站點(diǎn)包擴(kuò)展工具三種為主。

2.1.2 硬件環(huán)境搭建與空間批處理對(duì)象的創(chuàng)建

在應(yīng)用Python 數(shù)據(jù)結(jié)構(gòu)來對(duì)數(shù)據(jù)表文件進(jìn)行批量處理時(shí)，首先需要基于數(shù)據(jù)表文件批處理的實(shí)際需求，確定應(yīng)用的數(shù)據(jù)庫服務(wù)器類型。本文在對(duì)數(shù)據(jù)內(nèi)容進(jìn)行處理時(shí)，主要選擇應(yīng)用IBMX3850 系列處理器、IBMDS3512 磁盤陣列，并在單臺(tái)的磁盤陣列中配置8塊儲(chǔ)存空間為2T 的SAS 硬盤[5]。在測試軟件的選擇方面，主要應(yīng)用“Windows+ArcMap”軟件包的方式，在設(shè)置ARCTOOLBOX、Geoprpcessor 對(duì)象工具以及相關(guān)組件的前提下，確保對(duì)數(shù)據(jù)表文件進(jìn)行處理時(shí)的環(huán)境和組件都能夠體現(xiàn)出良好的兼容性，也能夠確保數(shù)據(jù)處理的穩(wěn)定性和準(zhǔn)確性。在這一過程中，應(yīng)注重列表這一數(shù)據(jù)結(jié)構(gòu)的重要組成部分，在Python 的數(shù)據(jù)結(jié)構(gòu)中，列表通常作為函數(shù)的返回類型使用，能夠?qū)崿F(xiàn)對(duì)于列表中各項(xiàng)元素的添加、刪除以及查找等操作，列表中的具體元素值也可以被修改。列表在應(yīng)用中需要基于一定的方法來實(shí)現(xiàn)排序和逆序，應(yīng)用不同的算法，能夠在提出數(shù)據(jù)查找需求之后，基于不同的算法程序和邏輯來實(shí)現(xiàn)相應(yīng)代碼的運(yùn)行[6]。這一過程是影響不同數(shù)據(jù)結(jié)構(gòu)運(yùn)行效率的主要因素，因而對(duì)于Python 數(shù)據(jù)結(jié)構(gòu)的設(shè)計(jì)，需要重點(diǎn)考慮列表的不同形式。

2.1.3 Python 數(shù)據(jù)批處理的腳本程序開發(fā)

在確定空間批處理對(duì)象之后，需要考慮遍歷函數(shù)的應(yīng)用原理，結(jié)合遍歷操作的基本步驟和流程，在IDLE和pycharm 編輯器中，設(shè)置ARCTOOLBOX 插件的Geoprocessor 對(duì)象工具以及Define Projection 定義投影工具，在工具窗口中點(diǎn)擊下一步的操作指令之后，可以實(shí)現(xiàn)對(duì)于Python 腳本程序工具語法以及執(zhí)行代碼的定義，從而選擇更符合實(shí)際數(shù)據(jù)處理需求的Python 腳本程序以及工具類型。在這一過程中，還需要對(duì)實(shí)際運(yùn)行的代碼進(jìn)行拷貝處理，結(jié)合數(shù)據(jù)批處理的具體情況，對(duì)相應(yīng)的工具腳本參數(shù)情況進(jìn)行修改，讓工具腳本參數(shù)能夠適應(yīng)ArcGIS 的地理空間中對(duì)于數(shù)據(jù)批處理提出的實(shí)際操作要求。

2.1.4 腳本程序的數(shù)據(jù)批處理執(zhí)行

在完成腳本程序的開發(fā)之后，還需要基于既定的腳本程序來對(duì)具體的數(shù)據(jù)進(jìn)行批處理的執(zhí)行操作。在這一過程中，需要考慮IDLE、pycharm 的集成開發(fā)環(huán)境這一前提，在充分發(fā)揮Python 匯編語言作用的情況下，滿足對(duì)于多樣化ARCTOOLBOX 工具或插件以及基于ArcGIS 空間數(shù)據(jù)處理的腳本程序的開發(fā)。以此開發(fā)流程得到的Python 腳本程序，能夠滿足描述GIS 數(shù)據(jù)、更改目錄、命名分解文件、羅列列表等方面的功能?？紤]到Python 腳本程序在實(shí)際開發(fā)中的應(yīng)用，對(duì)基于腳本程序的數(shù)據(jù)批處理執(zhí)行，還應(yīng)具備實(shí)現(xiàn)批量投影裁切與輸出的功能。在這一情況下，實(shí)際進(jìn)行Python 腳本程序數(shù)據(jù)批處理執(zhí)行的流程，主要能夠應(yīng)用到以下代碼：

import os

作為當(dāng)前工作目錄path=os.getcwd()#path

獲取當(dāng)前工作目錄路徑current_path=os.getcwd()#

print (current_ path)

'/ZC/Download/data'

更改當(dāng)前數(shù)據(jù)表文件目錄、分解為多個(gè)目錄的文件命名的執(zhí)行代碼為：

fpath,fname = os.path.split("要分解的路徑")

a,b=os.path.split('ZC/Download/data/zc.txt')以最后一個(gè)目錄為界分割

print a, print b

'ZC/Download/data'

'zc.txt'

在此基礎(chǔ)上，當(dāng)腳本程序運(yùn)行的執(zhí)行命令為獲取目錄文件列表時(shí)，實(shí)際的執(zhí)行代碼運(yùn)行過程應(yīng)為：

設(shè)置路徑：path=os.getcwd(）#

獲取指定路徑文件：dirs=os.listdir(path) #

循環(huán)讀取路徑下的文件并篩選輸出：for i in dirs: #

if os.path.splitext(i)[1]==".py":# 篩 選Coverage、Excel、csv 等格式的文件

print i(i 表示后綴名為py 的文件)

而對(duì)于需要獲取RrcGIS 影像數(shù)據(jù)的情況，在保證系統(tǒng)數(shù)據(jù)滿足批量投影裁切的要求之后，實(shí)際的執(zhí)行代碼運(yùn)行過程為：

在以上所有的代碼運(yùn)行完成后，就可以基于Python語言來實(shí)現(xiàn)對(duì)于不同矢量數(shù)據(jù)表的分類導(dǎo)出，并結(jié)合系統(tǒng)以及腳本的程序自動(dòng)將獲得的相應(yīng)數(shù)據(jù)表儲(chǔ)存到制定的文件夾當(dāng)中，從而實(shí)現(xiàn)對(duì)于批量數(shù)據(jù)表的有效處理。

2.2 SET數(shù)據(jù)結(jié)構(gòu)

在明確應(yīng)用Python 語言進(jìn)行數(shù)據(jù)表文件批量處理的運(yùn)行原理前提下，考慮社保大數(shù)據(jù)領(lǐng)域?qū)?shù)據(jù)處理提出的要求，應(yīng)在保證實(shí)現(xiàn)對(duì)數(shù)據(jù)表文件進(jìn)行批量處理的前提下，進(jìn)一步通過優(yōu)化集合列表的方式，在Python中建立一個(gè)集合列表，讓實(shí)際數(shù)據(jù)處理中不同的數(shù)據(jù)結(jié)構(gòu)都能夠更準(zhǔn)確地指向需要進(jìn)行訪問的地址。從Python數(shù)據(jù)結(jié)構(gòu)的角度進(jìn)行考慮，需要明確基于程序語言的數(shù)據(jù)結(jié)構(gòu)本身是一種能夠從內(nèi)存中獲取數(shù)據(jù)地址進(jìn)而得到數(shù)據(jù)的方式，應(yīng)用各種類型的編程語言和數(shù)據(jù)結(jié)構(gòu)，最主要的目的就是能夠借助計(jì)算機(jī)實(shí)現(xiàn)對(duì)于內(nèi)存中數(shù)據(jù)的讀取?，F(xiàn)階段，Python 語言能夠應(yīng)用于系統(tǒng)編程、GUI編程、互聯(lián)網(wǎng)腳本以及數(shù)據(jù)編程等多個(gè)不同的行業(yè)領(lǐng)域。

基于此，在應(yīng)用Python 結(jié)構(gòu)對(duì)數(shù)據(jù)進(jìn)行處理時(shí)，首先需要構(gòu)建一個(gè)LIST 的數(shù)據(jù)結(jié)構(gòu)，基于單鏈序列、雙鏈序列以及環(huán)形序列來實(shí)現(xiàn)對(duì)于其中各類數(shù)據(jù)信息的精確索引。其中，單鏈序列主要是指以實(shí)現(xiàn)單向索引為主要目標(biāo)，每個(gè)節(jié)點(diǎn)只包含下一節(jié)點(diǎn)位置；雙鏈序列能夠?qū)崿F(xiàn)前后雙向的查找，每個(gè)節(jié)點(diǎn)都包含前一節(jié)點(diǎn)與后一節(jié)點(diǎn)的地址；環(huán)形序列則通過序列節(jié)點(diǎn)指向的方式，結(jié)合單向序列的原理來滿足對(duì)數(shù)據(jù)進(jìn)行精確索引的需求。應(yīng)用這一列表的方式，能夠?qū)崿F(xiàn)對(duì)空間任一個(gè)數(shù)據(jù)位置的插入、切片和刪除，也不會(huì)受到重復(fù)數(shù)據(jù)值的影響。

2.3 社保相關(guān)數(shù)據(jù)帶入結(jié)構(gòu)的實(shí)例分析

在明確基于Python 語言的數(shù)據(jù)結(jié)構(gòu)運(yùn)行原理和列表構(gòu)建情況之后，需要結(jié)合社保大數(shù)據(jù)領(lǐng)域?qū)ython數(shù)據(jù)結(jié)構(gòu)應(yīng)用提出的具體需求，探討以LIST 列表和SET 列表方式對(duì)數(shù)據(jù)進(jìn)行處理的實(shí)際效果。Python 本身是一種高效的編程語言，能夠順應(yīng)當(dāng)前軟件開發(fā)的主要趨勢，滿足基于計(jì)算機(jī)系統(tǒng)的大數(shù)據(jù)技術(shù)應(yīng)用創(chuàng)新以及優(yōu)化的要求。結(jié)合前文對(duì)于LIST 和SET 兩種列表的數(shù)據(jù)結(jié)構(gòu)方式分析，將這兩種數(shù)據(jù)結(jié)構(gòu)方式代入到社保大數(shù)據(jù)領(lǐng)域，最主要的目的就是通過數(shù)據(jù)結(jié)構(gòu)方式的對(duì)比，基于社保大數(shù)據(jù)領(lǐng)域的具體應(yīng)用要求，為提升社保服務(wù)選擇更合適的Python 數(shù)據(jù)結(jié)構(gòu)類型。

結(jié)合當(dāng)前社保服務(wù)工作開展的主要內(nèi)容和具體要求，在將與社保相關(guān)的數(shù)據(jù)帶入到Python 腳本程序和數(shù)據(jù)結(jié)構(gòu)時(shí)，需要考慮當(dāng)前社會(huì)發(fā)展中需求最為密集的社保種類，即跨統(tǒng)籌區(qū)或跨險(xiǎn)種的數(shù)據(jù)應(yīng)用和處理情況。在這一方面，考慮到政務(wù)服務(wù)對(duì)于社保數(shù)據(jù)處理和提升社保服務(wù)質(zhì)量水平的要求，企業(yè)養(yǎng)老保險(xiǎn)、機(jī)關(guān)養(yǎng)老保險(xiǎn)以及城鄉(xiāng)居民養(yǎng)老保險(xiǎn)等不同方面的數(shù)據(jù)信息，通常以Excel 的形式儲(chǔ)存在社保部門相對(duì)應(yīng)的不同科室當(dāng)中，且單一的表格數(shù)據(jù)信息量就較為龐大。

為驗(yàn)證本文中提到的應(yīng)用Python 語言對(duì)數(shù)據(jù)表文件進(jìn)行批處理以及LIST 和SET 列表構(gòu)建方法的有效性，在實(shí)際分析中選取10000 機(jī)關(guān)養(yǎng)老待遇的人員信息以及10000 城鄉(xiāng)居民養(yǎng)老待遇的人員信息，以對(duì)比的方式，分析應(yīng)用Python 數(shù)據(jù)結(jié)構(gòu)所展現(xiàn)的對(duì)于數(shù)據(jù)分析處理的性能優(yōu)勢以及實(shí)際的運(yùn)行情況。

具體而言，在對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理的過程中，需要將10000 人的兩類數(shù)據(jù)源分別輸入到兩個(gè)LIST 列表中，基于FOR 循環(huán)代碼來實(shí)現(xiàn)對(duì)于相關(guān)數(shù)據(jù)的便利比對(duì)。整個(gè)遍歷過程涉及到的運(yùn)行代碼如下：

而在分別將10000 人的兩類數(shù)據(jù)源輸入到兩個(gè)SET列表之后，則需要基于intersection 函數(shù)的方式來對(duì)數(shù)據(jù)的交集進(jìn)行求解計(jì)算：

starttime=datetime.datetime.now()

newdata=set(dt).intersection(set(dt1))

finishtime=datetime.datetime.now()

print('SET 用時(shí):%s'%(finishtime-starttime))

在分別對(duì)應(yīng)用兩種列表方式得到的數(shù)據(jù)交集結(jié)果進(jìn)行驗(yàn)證之后，發(fā)現(xiàn)LIST 的最大運(yùn)算次數(shù)為20000 次，用時(shí)為1.12630778 秒，而應(yīng)用SET 結(jié)構(gòu)得到的最大運(yùn)算次數(shù)為一億次，用時(shí)為0.00001993 秒。結(jié)合這一數(shù)據(jù)的計(jì)算結(jié)果來看，相較于LIST，SET 列表在基于Python 語言和數(shù)據(jù)結(jié)構(gòu)的前提下，能夠呈現(xiàn)出更大的應(yīng)用優(yōu)勢。

為進(jìn)一步探討SET 列表的數(shù)據(jù)結(jié)構(gòu)方式應(yīng)用原理和性能效果，主要從隨機(jī)訪問的角度出發(fā)，展示驗(yàn)證基于查找算法的LIST 抽象源碼運(yùn)行情況：

def serach For Key (self, key):

temp = self.head

while temp != None:

if temp.value == key:

return True

temp = temp.next

return False

在一個(gè)未排列的數(shù)據(jù)序列中，如果序列共有10、11、12、8、9、12、14 七個(gè)整數(shù)值，在設(shè)定查找13 這一Key 值的前提下，需要從序列的開頭部分以循環(huán)比對(duì)的方式進(jìn)行查找，在查找得到的數(shù)據(jù)不匹配的情況下，需要通過temp=temp.next 的操作來進(jìn)入下一個(gè)節(jié)點(diǎn)，繼續(xù)進(jìn)行循環(huán)比對(duì)的操作。當(dāng)循環(huán)比對(duì)過程中查找到正確的Key 值，就會(huì)返回Ture 進(jìn)而跳出循環(huán)。由此可以發(fā)現(xiàn)，在應(yīng)用LIST 列表的算法進(jìn)行數(shù)據(jù)查找和索引時(shí)，需要利用遍歷函數(shù)，遍歷整個(gè)序列中的數(shù)據(jù)才能夠匹配到具體的數(shù)值。考慮到實(shí)際數(shù)據(jù)索引和分析處理的需求，通常應(yīng)用這一列表方式來滿足查找具有順序敏感性的數(shù)據(jù)，并引入平均查找復(fù)雜度這一概念來保證數(shù)據(jù)查找的精確性與效率效果。

而在應(yīng)用SET 列表的情況下，基于哈希算法的SET 抽象源碼運(yùn)行情況如下：

def serach For Key(self, key):

hash Value=self.Compute Hash(key)

temp=hash Value%7

if self.Arr[temp]==key:

return True

elif False

結(jié)合前面的分析可以發(fā)現(xiàn)，在應(yīng)用SET 列表進(jìn)行數(shù)據(jù)分析處理的情況下，需要借助哈希算法來省略進(jìn)行循環(huán)查找的步驟，直接通過一次尋址的方式就可以得到相應(yīng)的查找結(jié)果。在結(jié)合以上抽象源碼運(yùn)行情況之后可以發(fā)現(xiàn)，以構(gòu)建SET 列表的方式，能夠在得到一個(gè)基于7 個(gè)整數(shù)值的集合之后，通過ComputeHash 函數(shù)來驗(yàn)證查找對(duì)象所對(duì)應(yīng)的哈希值，在此基礎(chǔ)上通過哈希算法來對(duì)哈希值進(jìn)行計(jì)算，進(jìn)而得到相對(duì)應(yīng)的哈希表中的索引位置數(shù)據(jù)。如果得到的索引位置數(shù)據(jù)與需要尋找的Key值相同，就可以直接成功返回。在這一數(shù)據(jù)索引和處理分析的過程中，SET 本身的規(guī)模大小以及數(shù)據(jù)結(jié)構(gòu)的復(fù)雜程度不會(huì)對(duì)數(shù)據(jù)的索引和查找產(chǎn)生影響。在理想的情況下，應(yīng)用SET 列表查找數(shù)據(jù)表文件中的任何數(shù)據(jù)，都只需要查找一次，就可以借助哈希算法來實(shí)現(xiàn)數(shù)據(jù)比對(duì)。

3 結(jié)論

綜上所述，將Python 的數(shù)據(jù)結(jié)構(gòu)應(yīng)用到社保大數(shù)據(jù)領(lǐng)域，能夠有效提升對(duì)于各項(xiàng)社保信息的處理效率，提升服務(wù)水平。針對(duì)以社保服務(wù)為代表的各個(gè)行業(yè)和領(lǐng)域中涉及的數(shù)據(jù)分析處理需求，應(yīng)用Python 數(shù)據(jù)結(jié)構(gòu)，需要在明確數(shù)據(jù)結(jié)構(gòu)本身運(yùn)行原理的基礎(chǔ)上，充分發(fā)揮SET 數(shù)據(jù)結(jié)構(gòu)的作用優(yōu)勢，以代入社保相關(guān)數(shù)據(jù)的方式來驗(yàn)證數(shù)據(jù)結(jié)構(gòu)的有效性，明確腳本程序的執(zhí)行流程，確保提升社保數(shù)據(jù)的處理和應(yīng)用效率。