Hier is een voorbeeld van hoe u een efficiënte NumPy-functie kunt ontwerpen om uw dataset te aggregeren op basis van de regio, waarbij de totale verkoop per regio wordt berekend. De dataset is een 2D-array met kolommen voor product, regio en verkoop. Stap 1: Data structureren - Kolom 0: product - Kolom 1: regio - Kolom 2: verkoop Stap 2: Functie definiëren Gebruik NumPy’s functies zoals `np.unique` met `return_inverse=True` om de regio’s te identificeren en vervolgens snel de verkoopgegevens te groeperen en op te tellen. Hier is de voorbeeldcode: ```python import numpy as np def aggregate_sales_by_region(data): # data: 2D-array met kolommen [product, regio, verkoop] # Extract regio en verkoop kolommen regio = data[:, 1] verkoop = data[:, 2] # Vind unieke regio's en de index van elk regio in de unieke lijst unieke_regio's, indices = np.unique(regio, return_inverse=True) # Initialiseer een array voor de sommen per regio som_per_regio = np.zeros(len(unieke_regio's)) # Voeg verkoopgegevens toe aan de juiste regio np.add.at(som_per_regio, indices, verkoop) # Returneer een structuur met regio en de bijbehorende som return unieke_regio's, som_per_regio ``` Gebruik van de functie: ```python # Voorbeeld dataset dataset = np.array([ ['product1', 'RegioA', 100], ['product2', 'RegioB', 200], ['product3', 'RegioA', 150], ['product4', 'RegioB', 50], ['product5', 'RegioC', 300] ], dtype=object) regio’s, totaal_verkoop = aggregate_sales_by_region(dataset) print("Regio's:", regio’s) print("Totale verkoop per regio:", totaal_verkoop) ``` Deze aanpak is efficiënt voor grote datasets doordat: - `np.unique` snel regio’s identificeert. - `np.add.at` geschikt is voor het accumuleren van waarden op grote schaal. - Geen lussen worden gebruikt, wat de prestaties verbetert. Indien je dataset zeer groot is, overweeg dan om NumPy’s geheugen- en prestatietools verder te optimaliseren of over te stappen op een meer geoptimaliseerde bibliotheek zoals pandas met `groupby`.

Hier is een geoptimaliseerde NumPy-functie voor jouw dataset: ```python import numpy as np def aggregeer_verkopen_per_regio(dataset): """ Aggregeert verkoopcijfers per regio met optimale prestaties voor grote datasets. Parameters: dataset : np.ndarray 2D-array met kolommen: [product, regio, verkoop] Returns: np.ndarray: Unieke regio's en bijbehorende verkooptotalen """ # Scheid de kolommen voor efficiënte verwerking regios = dataset[:, 1] # Tweede kolom: regio verkopen = dataset[:, 2].astype(float) # Derde kolom: verkoop (omzetten naar float) # Vind unieke regio's en hun indices unieke_regios, inverse_indices = np.unique(regios, return_inverse=True) # Bereken som per regio met np.bincount (zeer efficiënt voor grote datasets) totale_verkopen = np.bincount(inverse_indices, weights=verkopen) # Combineer resultaten in een 2D-array resultaat = np.column_stack((unieke_regios, totale_verkopen)) return resultaat # Voorbeeld gebruik: # Dataset structuur: [product, regio, verkoop] voorbeeld_data = np.array([ ['Product_A', 'Noord', 100], ['Product_B', 'Zuid', 150], ['Product_A', 'Noord', 200], ['Product_C', 'Oost', 75], ['Product_B', 'Zuid', 125], ['Product_A', 'Oost', 300] ]) resultaat = aggregeer_verkopen_per_regio(voorbeeld_data) print(resultaat) ``` **Prestatie-optimalisaties:** 1. **`np.unique` met `return_inverse=True`**: Vermijdt dure Python-loops 2. **`np.bincount` met weights**: Zeer geoptimaliseerde C-implementatie voor aggregatie 3. **Geen Pandas dependency**: Pure NumPy voor minimale overhead 4. **Geheugenefficiënt**: Werkt direct op arrays zonder tussenconversies **Output voorbeeld:** ``` [['Noord' 300.0] ['Oost' 375.0] ['Zuid' 275.0]] ``` **Alternatieve versie voor gemiddelden:** ```python def gemiddelde_verkopen_per_regio(dataset): regios = dataset[:, 1] verkopen = dataset[:, 2].astype(float) unieke_regios, inverse_indices = np.unique(regios, return_inverse=True) # Bereken som en aantal voor gemiddelde totale_verkopen = np.bincount(inverse_indices, weights=verkopen) aantallen = np.bincount(inverse_indices) gemiddelden = totale_verkopen / aantallen return np.column_stack((unieke_regios, gemiddelden)) ``` Deze aanpak schaalt lineair O(n) met de datasetgrootte en is ideaal voor datasets met miljoenen rijen.