4、异常数据可视化初探：时域图、频域图、散点图、箱线图、直方图
各位同行，咱们今天聊聊数据可视化。说实话，我干了十几年力学测试，最怕的不是数据乱，而是数据看起来「太正常」。
你想想看，传感器有漂移、夹具会松动、环境温度在变，怎么可能每次采集都是完美曲线？
所以，拿到数据第一件事——别急着算均值、标准差。先画图，用眼睛看。
4.1 为什么可视化是排查的第一步？
数据不会说谎，但统计指标会。我记得有一次做疲劳测试，均值、RMS值都在规范内，结果一画时域图——好家伙，中间有一段信号直接「躺平」了，传感器掉线了。
可视化说白了，就是把数字变成图形，让异常无处藏身。我个人习惯，拿到数据先画五张图：
- 时域图：看整体趋势、突变、断点
- 频域图：看频率成分是否合理
- 散点图：看变量之间的关系
- 箱线图：看数据分布和离群点
- 直方图：看数据的概率分布形态
核心原则：先看图，再算数。眼睛是最灵敏的异常检测器。
4.2 时域图：最直观的「心电图」
时域图就是把信号按时间顺序画出来。横轴是时间，纵轴是幅值。这就像给数据做心电图——正常心跳有规律，异常心跳一眼就能看出来。
我在项目中遇到过一种情况：某次冲击测试，时域图显示峰值比理论值低了30%。我第一反应是传感器没贴牢，后来检查发现——嗯，果然是胶水老化。
时域图常见异常模式
| 异常类型 | 图形特征 | 可能原因 |
|---|---|---|
| 信号漂移 | 基线缓慢上升或下降 | 温度影响、传感器老化 |
| 突变尖峰 | 单个异常高/低点 | 电磁干扰、接触不良 |
| 信号截断 | 顶部或底部被削平 | 量程设置过小 |
| 周期性噪声 | 叠加了规律性波动 | 工频干扰、机械共振 |
小技巧：画时域图时，建议把时间轴放大到能看清每个周期。我曾经因为图缩得太小，漏掉了一个只有0.1秒的传感器掉线——后来被客户投诉了。
4.3 频域图：藏在频率里的秘密
时域图看不出来的问题，频域图往往能一眼发现。说白了，频域图就是把信号拆解成不同频率的成分，看看哪个频率的能量不对劲。
为什么要做频域分析？举个例子：你测一个旋转机械的振动，时域图看起来就是一堆乱糟糟的波形。但一画频谱图——哦，50Hz有个大峰值，那是工频干扰；120Hz有个小峰，那是轴承故障特征频率。
频域图排查要点
- 关注异常峰值：不该出现频率的地方出现了峰值，大概率有问题
- 检查谐波：如果基频的2倍、3倍频也有峰值，可能是非线性失真
- 看噪声基底：如果整个频谱的基底抬高，说明噪声过大
注意：做FFT之前，一定要检查采样率是否满足奈奎斯特定理。我曾经犯过这个错——采样率设低了，高频成分全部混叠到低频区，分析结果完全错误。
4.4 散点图：发现变量间的「潜规则」
散点图用来观察两个变量之间的关系。比如，力和位移的关系、温度和应变的关系。
正常的数据点应该分布在一个合理的区域内。如果出现以下情况，就要警惕了：
- 离群点：孤零零飘在远处的点，可能是传感器瞬间故障
- 非线性模式：本该是直线关系，结果画出来是弯曲的——可能传感器非线性误差太大
- 数据分层：数据分成明显的两簇——可能测试条件发生了变化
我记得有一次做材料拉伸测试，力-位移散点图出现了两个明显的数据簇。后来一查——原来是试验机在中间换了一次夹具，导致刚度变化。
4.5 箱线图：统计视角的「体检报告」
箱线图是我个人非常喜欢的一种图。它用五个统计量（最小值、下四分位数、中位数、上四分位数、最大值）来概括数据分布，还能标出离群点。
箱线图怎么看？
- 箱体：代表中间50%的数据，箱体越窄说明数据越集中
- 中位线：如果不在箱体中间，说明数据偏态
- 须线：正常数据的范围，超出须线的点就是离群点
实战经验：我在做多批次测试对比时，会把每批数据的箱线图并排画出来。如果某批数据的箱体明显偏移，或者离群点特别多——那批数据大概率有问题，需要重新测试。
4.6 直方图：数据的「人口普查」
直方图展示数据的分布形态。正常力学测试数据，大多服从正态分布或近似正态分布。
直方图异常模式：
- 双峰分布：出现两个峰，说明数据来自两个不同的总体
- 偏态分布：峰偏向一侧，可能是数据被截断了
- 平台分布：顶部平坦，可能是量化误差太大
- 缺口分布：中间缺了一块，可能是数据采集有跳变
为什么会这样？说白了，直方图就是数据的「人口普查」。如果人口结构异常，那肯定哪里出了问题。
4.7 五图联用：一个完整的排查流程
光会画图不行，还得知道怎么组合使用。我总结了一个「五图联用」的流程：
1. 先画时域图 → 看整体趋势，找明显异常
2. 再画频域图 → 看频率成分，找隐藏问题
3. 画散点图 → 看变量关系，找离群点
4. 画箱线图 → 看统计分布，找批次差异
5. 最后直方图 → 看分布形态，验证数据质量这个流程我用了很多年，基本没出过大错。你想想看，五张图从不同角度审视同一批数据，异常基本无处遁形。
建议：把这五张图做成一个模板，每次拿到数据就自动生成。我团队现在就是这么干的——数据导入，五张图自动出，异常自动标红，效率提升了好几倍。
4.8 本章知识体系
下面这张图，是我梳理的本章知识结构。你可以把它当作一个「可视化排查地图」：
这张图把五张图的关系和排查流程串起来了。你从时域图开始，一步步往下走，基本能把大部分异常揪出来。
记住：可视化不是目的，是手段。画图是为了发现问题，不是为了好看。我见过有人把图画得花里胡哨，结果异常就在眼前都没看到——那还不如不画。
公众号:蓝海资料掘金营，微信deep3321