从「逐行循环」到「向量化」的思路转变是什么？

关键要点

• 转变核心是用布尔掩码（如 months == m）一次性筛选，而非逐行判断。
• 使用 np.mean、np.sum 等向量化聚合函数直接计算，替代手动循环累加。
• 利用 np.unique 获取分组键，省去手写去重逻辑。
• 通过 try/except 处理脏数据转换异常，支持流程容错。
• 向量化底层由C实现，比Python循环更快。
• 此思路是过渡到pandas的groupby的思维基础。

怎么选 / 怎么做

1. 筛选：使用布尔掩码（如 months == m）一次性获取符合条件的所有数据行。
2. 聚合：对筛选出的数组子集直接调用向量化函数（如 np.mean(channel_a[mask])）进行计算。
3. 分组：使用 np.unique 获取所有不重复的分组键，循环处理每个组。
4. 容错：在数据转换步骤使用 try/except 跳过脏数据。

常见问题

向量化筛选用什么代替循环判断？

用布尔掩码（如 months == m）一次性筛选数据子集。

向量化聚合用什么函数？

用 np.mean、np.sum 等函数直接对数组计算。

怎么处理分组统计？

用 np.unique 得到分组键，循环内用掩码筛选再聚合。