##

在数据处理和分析中，我们经常遇到这样的问题：

如何过滤出指定范围内的数据？
如何去除异常值，保留正常范围内的数据？
如何快速识别超出范围的数据点？

数据范围过滤分析 (Data Range Filter Analysis) 是数据处理的基础工具，通过指定最小值和最大值范围，过滤数据序列，保留范围内的数据，去除异常值，用于数据清洗和异常检测。
本案例基于 Kotlin Multiplatform（KMP）与 OpenHarmony，实现了一个数据范围过滤分析器：

• 范围过滤：根据指定的最小值和最大值范围，过滤数据序列；
• 过滤统计：统计过滤后的数据数量、过滤掉的数据数量和保留率；
• 过滤详情：展示每个数据点的过滤状态（保留或过滤）；
• 过滤后统计：提供过滤后数据的基本统计信息；
• 通过 ArkTS 单页面展示原始序列、过滤后序列、被过滤的数据和过滤详情，帮助你直观理解数据范围过滤效果。

---

一、问题背景与典型场景

典型场景包括：

1. 异常值过滤
   过滤掉超出合理范围的异常值（如异常响应时间、异常资源使用率），保留正常范围内的数据用于分析。

2. 数据清洗
   在数据预处理阶段，通过范围过滤去除不合理的数据点，提高数据质量。

3. 阈值告警
   识别超出阈值范围的数据点，用于告警和异常检测。

4. 数据筛选
   根据业务需求，筛选出指定范围内的数据，用于后续分析。

5. 质量控制
   在数据采集和处理中，通过范围过滤确保数据在合理范围内，用于质量控制。

相比保留所有数据，数据范围过滤的优势在于：

• 去除异常值，提高数据质量；
• 保留正常范围内的数据，便于分析；
• 快速识别超出范围的数据点；
• 支持数据清洗和质量控制。

---

二、Kotlin 数据范围过滤引擎

1. 输入格式设计

本案例支持范围配置：

min=12
max=18
series=10,12,11,13,15,18,20,19,17

其中：

• min：最小值（包含）
• max：最大值（包含）
• series：待过滤的数值序列

2. 核心算法实现

在 App.kt 中，我们实现了 dataRangeFilterAnalyzer 函数：

@JsExport
fun dataRangeFilterAnalyzer(inputData: String): String {
    // 1. 解析输入序列、最小值和最大值
    val values = parseSeries(inputData)
    val minValue = parseMin(inputData)
    val maxValue = parseMax(inputData)
    
    // 2. 验证范围
    if (minValue > maxValue) {
        return "❌ 最小值不能大于最大值"
    }
    
    // 3. 过滤数据
    val filtered = values.filter { it >= minValue && it <= maxValue }
    val filteredOut = values.filter { it < minValue || it > maxValue }
    
    // 4. 计算统计信息
    val filterRate = (filtered.size.toDouble() / values.size) * 100.0
    
    // 5. 生成报告
    return buildReport(...)
}

3. 关键处理逻辑

范围过滤：

• 使用 filter 方法过滤数据
• 保留满足 minValue <= value <= maxValue 的数据
• 时间复杂度：O(n)，空间复杂度：O(n)

过滤统计：

• 计算过滤后的数据数量
• 计算过滤掉的数据数量
• 计算保留率（过滤后数量 / 原始数量 * 100%）

---

三、OpenHarmony ArkTS 前端集成

1. 导入 Kotlin/JS 函数

在 index.ets 中导入：

import { dataRangeFilterAnalyzer } from './hellokjs'

2. 状态变量定义

@State minInput: string = "12"
@State maxInput: string = "18"
@State seriesInput: string = "10,12,11,13,15,18,20,19,17"
@State result: string = ""
@State isLoading: boolean = false

3. 执行分析逻辑

executeDemo() {
  this.isLoading = true
  
  const minLine = `min=${this.minInput}`
  const maxLine = `max=${this.maxInput}`
  const seriesLine = this.seriesInput.includes('series=') 
    ? this.seriesInput 
    : `series=${this.seriesInput}`
  const payload = `${minLine}\n${maxLine}\n${seriesLine}`
  
  setTimeout(() => {
    try {
      this.result = dataRangeFilterAnalyzer(payload)
    } catch (e) {
      this.result = "❌ 执行失败: " + e.message
    }
    this.isLoading = false
  }, 100)
}

4. UI 布局设计

• 顶部标题栏：使用渐变背景（青色-蓝色主题），展示"数据范围过滤分析"标题
• 输入区域：
  • 最小值输入（min=12）
  • 最大值输入（max=18）
  • 序列输入框，支持 series=... 格式或直接输入数值序列
• 执行按钮：运行分析按钮和重置按钮
• 结果展示区：使用 Scroll 组件展示分析报告，包括原始序列、过滤后序列、被过滤的数据和过滤详情

---

四、算法复杂度分析

• 时间复杂度：O(n)，其中 n 为序列长度。需要遍历序列一次进行过滤。
• 空间复杂度：O(n)，需要存储原始序列、过滤后的序列和被过滤的序列。

---

五、工程化应用建议

1. 异常值过滤
   过滤掉超出合理范围的异常值，保留正常范围内的数据用于分析。

2. 数据清洗
   在数据预处理阶段，通过范围过滤去除不合理的数据点，提高数据质量。

3. 阈值告警
   识别超出阈值范围的数据点，用于告警和异常检测。

4. 范围设置

   • 最小值：根据业务需求设置合理的最小值
   • 最大值：根据业务需求设置合理的最大值
   • 范围应该覆盖正常数据的范围，排除异常值

5. 保留率分析

   • 保留率反映了数据在指定范围内的比例
   • 保留率过低，说明范围设置可能过窄
   • 保留率过高，说明范围设置可能过宽

---

六、总结

数据范围过滤分析是数据处理的基础工具，通过指定最小值和最大值范围，过滤数据序列，保留范围内的数据，去除异常值，用于数据清洗和异常检测。本案例展示了如何在 KMP + OpenHarmony 架构下实现一个轻量级的数据范围过滤分析器，适用于异常值过滤、数据清洗、阈值告警等场景。

核心优势：

• 实现简单，计算高效
• 结果直观，易于理解
• 适用广泛，可用于多种场景
• 支持数据清洗和质量控制

适用场景：

• 异常值过滤
• 数据清洗
• 阈值告警
• 数据筛选
• 质量控制

通过本案例，你可以快速掌握数据范围过滤分析的核心思想，并在实际项目中灵活应用。

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net