24、数据处理与管道构建：标准化与集成方案

数据处理与管道构建：标准化与集成方案

1. 数据标准化目标与方法

1.1 目标

计算 Anscombe 四重奏系列样本中两个值的标准化值。当数据呈正态分布时，派生的标准化 Z 分数的均值为零，标准差为一；若数据不呈正态分布，这些值将偏离预期值。

1.2 分析数据模型类定义

在计算派生值（Z 分数）时，分析数据模型类定义有两种变体：
- “初始”版本 ：缺少 Z 分数值，对象不完整，需要进一步计算。
- “最终”版本 ：已计算出 Z 分数值，对象完整。

1.3 处理不完整和完整对象的方法

有两种常见方法来处理不完整和完整对象的区别：
- 方法一 ：两个类不同，完整版本是不完整版本的子类，定义了额外的字段。这是更传统的面向对象方法，能清晰标记数据状态，但额外的类定义可能被视为冗余，因为不完整版本是临时数据，不会产生持久价值。
- 方法二 ：派生值标记为可选，不完整版本初始值为 None。此方法有时用于函数式编程，可节省子类定义，稍作简化。

以下是使用 Python 的 pydantic 实现的示例代码：

from pydantic import BaseModel

class InitialSample(BaseModel):
    x: float
    y: float

class