白话空间统计三十：地统计（4）探索性数据分析(1)

（文中和文末的广告，是腾讯微信平台自动插入的，和虾神无关……不过大家有闲心的话可以点击一下，点击之后，腾讯会对本公众号进行打赏……）

---

拿到一份数据，最先应该干嘛？

每到论文开题的时候，虾神经常接到邮件被询问这个问题（当然，到了deadline的时候，也有）拖延症这种全球统一不治之症啊……

说到这个问题——我先忏悔……我有罪……大家要体谅一个懒癌晚期患者啊，虾神可是在与病魔做不屈不挠的斗争。。。虽然大多数时候是被病魔击倒……

好吧，回到正题，拿到一份数据，第一件事应该做什么呢？答案当然是查看一下这份数据是否可用，或者说，是否有对我们要做的事情有帮助。

在工作中，在任务开始的时候，就发现可行性进行不下去，那么迅速调整方向或者干脆停止下来，是止损最合理的方式，但是若做到最后一步了，你回去给领导说，这个数据不行啊……这个功能做不了啊……这个XXX……，那么负责人肯定要疯……可以脑补一下，负责人会说些啥？当然，他除了诚恳的问候你的家人以外，会和你说的，一定会有这么一句：早干嘛去了？你怎么不早说？

所以，我们拿到数据第一件事，就是要对数据进行探索：

数据探索的手段又有哪些呢？答案就是三个字：可视化。

说到这里，不得不说虾神经常接到的询问：

不管做什么分析，或者干脆都不知道要做什么分析的时候，把数据所有的特征都展现一遍，是最简单的分析入手方法。

当然， 各种可视化工具包汗牛充栋，不写代码的同学用Excel，写代码的同学可以用Python或者R，专业人士用SPSS等，那么今天我们来介绍一下ArcGIS内置的数据探索性分析工具——地统计中的探索性数据分析工具：

ArcGIS地统计模块提供的探索性分析工具，与其他软件提供的那些妖艳货完全不同，他是专门针对地统计中克里金插值时候需要参数来进行设计的，如果有见识过同学，会发现有些工具，压根不知道是用来干嘛的，也读不懂有啥意义，那么这几篇文章，我主要就这个堆工具给大家做个简单介绍。

先看看数据：

中国某一天的平均气温，总共有2257个气象观测站。

首先，我们看看整份数据整体趋势，最简单的就是采用直方图来进行处理：

先切出地统计分析规模，然后选择Explore Data —— Histogram：

有时候会出现这个的选择框：

这是表示，你有可能出现同一位置有两个以上的点的情况，系统提示，你如何处理，一般默认就是用平均数，当然，你也可以选择移除，或者用最大、最小值的方式，选择之后，点击OK，出现图形之后，在下发选择你要探索的数据属性，比如我们要对mean字段进行探索：

从这份数据可以看出，有两个很明显的波峰，我们点击两个波峰，来看看数据的分布情况：

第一个波峰，主要都集中在华北、秦岭山脉、青藏高原等温度相对较低的区域。

第二个波峰主要是南方广大区域，相对来说，温度比较高的区域。

这个选择交互性的效果，是ArcGIS的一个特性，与Python做的可视化效果图最大的不同就在于他可以根据你的需求进行交互。

这里的直方图，主要是用来显示数据的概率分布特征及其概括性的一些指标的，从上面的图形里面，我们就可以很直观的看见数据的分布概率。而且从右上角的小窗口里面，也能看见一些统计信息，比如个数（count)，最小值(Min)，最大值(Max)，平均值(Mean)，标准差(Std Dev.)、峰度(Kurtosis)、偏态(Skewness)，四分之一分位数(1-st Quartile) ，中位数(Median)，四分之三分位数(3-rd Quartile)。

PS：里面大部分的统计值都是常见，我简单解释两个比较少见的，峰度和偏态。

下面部分资料来自某度：

峰度（peakedness;kurtosis）又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来，峰度反映了峰部的尖度。样本的峰度是和正态分布相比较而言统计量，如果峰度大于三，峰的形状比较尖，比正态分布峰要陡峭。

一般来说，如果是标准正态分布，那么峰度就应该是3，所以通常以3为参照，大于3，则表示分布具有过度的峰度，小于3则表示不足。

所谓的过度，指的是聚集度越高，即变量值的次数在众数周围分布比较集中，反之，不足指的是变量值的次数在众数周围比较分散。

这里我们看见，数据的峰度为2.2，也就是出现的是峰度不足，数据在众数的周围比较分散。

峰度越高，表示方差的增大是因为极值引发的。

偏态（skewness）是指非对称分布的偏斜状态，0表示完全无偏，大于0表示右偏态，小于0表示左偏态。

从上面这份数据的统计信息来看，数据略成左偏态，峰度小于3，值在中心附近呈现离散分布，但是中位数与平均值非常接近，可以认为，近似于正态分布，所以不需要变换。

当然，我们也可以通过Python来实现上面的效果：

当然，这里就是一个可视化效果，你要是有交互的需求，就别想太多了……

上图的源码和数据位置如下：

https://github.com/allenlu2008/PythonDemo/tree/master/008插值/地统计插值