第三章：探索性数据分析（EDA）与可视化

各位工程师朋友，欢迎来到EDA实战环节。说实话，很多人在半导体良率分析中容易犯一个错误——拿到数据就急着建模。我早年也吃过这个亏，后来才明白：EDA不是走过场，而是帮你发现数据里隐藏的“魔鬼”。今天我们就来聊聊怎么用单变量、多变量和相关性分析，把晶圆测试数据里的秘密挖出来。

3.1 单变量分析：先摸清每个参数的脾气

单变量分析，说白了就是挨个看每个测试参数长什么样。比如阈值电压Vt、饱和电流Idsat、漏电流Ioff——这些参数各自的数据分布，能告诉你工艺是否稳定。

我常用的三板斧：

• 直方图：看分布形状。正态分布？双峰？偏态？双峰往往意味着工艺窗口有问题，比如光刻对准偏移。
• 箱线图：快速定位异常值。超出1.5倍IQR的点，我建议先标记出来，别急着剔除。
• 概率图（Q-Q Plot）：验证正态性。良率分析中很多统计方法依赖正态假设，这一步不能省。

3.2 多变量分析：参数之间的“爱恨情仇”

单变量看完了，接下来要问：这些参数之间有没有关联？比如Idsat和Vt，理论上应该负相关——Vt越低，Idsat越高。但如果你的数据里两者正相关，那就要警惕了，可能是测试条件没控制好。

我习惯用散点图矩阵（Pair Plot），一次性看多个参数两两之间的关系。举个例子：

import seaborn as sns
import matplotlib.pyplot as plt

# 假设df是晶圆测试数据，包含Vt, Idsat, Ioff, Rs等参数
sns.pairplot(df[['Vt', 'Idsat', 'Ioff', 'Rs']], diag_kind='kde')
plt.show()

你会看到：对角线上是单变量分布，非对角线上是散点图。如果某个散点图呈现明显的线性或非线性模式，说明这两个参数存在相关性。嗯，这里要注意：相关性不等于因果性。比如Vt和Idsat相关，是因为物理机制，但Ioff和Vt相关，可能只是统计巧合。

3.3 相关性分析：量化参数间的“亲密度”

散点图只能定性看，要定量还得靠相关系数。我通常用两种：

方法	适用场景	取值范围	我的经验
Pearson相关系数	线性关系	[-1, 1]	良率分析中最常用，但对异常值敏感
Spearman秩相关系数	单调关系（含非线性）	[-1, 1]	当数据有离群点时，我更喜欢用这个

你想想看，如果Pearson系数是0.8，但Spearman只有0.3，说明什么？说明线性关系被几个异常点“拉”出来的。这时候我会回头检查那些异常点，看看是不是测试异常。

3.4 可视化实战：用Matplotlib和Seaborn讲好数据故事

工具只是手段，关键是你想通过图表传达什么信息。我总结了几种常用场景：

• 良率随时间变化：用折线图+滚动平均，看工艺漂移。我曾在一条产线上发现良率每周一下降，后来查出是周一设备维护后参数没调回来。
• 不同批次对比：用分组箱线图或小提琴图。小提琴图能同时展示分布形状和密度，比箱线图信息更丰富。
• 参数与良率的关系：用散点图+回归线。如果某个参数与良率有明显的阈值效应（比如Vt超过0.5V良率骤降），这就是工艺窗口的边界。

# 示例：用Seaborn画小提琴图对比不同光刻层的Vt分布
sns.violinplot(x='Layer', y='Vt', data=df, inner='quartile')
plt.title('不同光刻层Vt分布对比')
plt.show()

3.5 本章知识体系

下面这张图总结了EDA的核心逻辑，我建议你保存下来，做分析时对照着看：

这张图想表达的核心思想是：EDA不是一次性走完就完事。你可能会在可视化时发现新的异常，然后回头重新做单变量分析。我经常在项目里循环好几轮，才找到真正的根因。