2. 数据探索与可视化

拿到无人机遥测数据的第一件事是什么？不是急着建模，也不是跑算法。我个人的习惯是——先跟数据「聊聊天」。说白了，就是通过可视化和统计分析，摸清数据的脾气秉性。这一步做扎实了，后面的异常检测才能有的放矢。

我记得刚入行那会儿，有一次处理某款固定翼的遥测数据，上来就套用了一个复杂的LSTM模型。结果折腾了两天，效果惨不忍睹。后来回头一看，原来是数据里有个传感器通道一直输出恒定值——那玩意儿早就坏了。要是早点画个时序图，一眼就能发现问题。嗯，从那以后，我再也不敢跳过数据探索这一步了。

2.1 用Pandas加载遥测数据

遥测数据最常见的格式就是CSV。Pandas读CSV，一行代码的事。但这里有个坑——无人机遥测数据的时间戳，往往不是标准的datetime格式。

import pandas as pd
import numpy as np

# 加载数据
df = pd.read_csv('uav_telemetry.csv')

# 看一眼数据长什么样
print(df.head())
print(df.info())
print(df.describe())

你想想看，如果时间戳是「2024-03-15 14:23:45.123」这种格式，Pandas默认会当成字符串处理。我建议你第一时间把它转成datetime类型：

df['timestamp'] = pd.to_datetime(df['timestamp'])
df.set_index('timestamp', inplace=True)

为什么要这么做？因为后面画时序图、做时间窗口分析，都依赖这个索引。我曾经遇到过一个项目，数据量有上千万条，时间戳没处理好，导致后续所有分析都慢了十倍。血的教训啊。

2.2 时序图：一眼看穿数据趋势

时序图是最直观的工具。把时间放在X轴，遥测参数放在Y轴，一条折线画下来，数据有没有异常，基本一目了然。

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(14, 6))
plt.plot(df.index, df['altitude'], linewidth=0.8, color='#2c7bb6')
plt.title('无人机高度时序变化', fontsize=14)
plt.xlabel('时间')
plt.ylabel('高度 (m)')
plt.grid(alpha=0.3)
plt.show()

画出来之后，你可能会看到几种典型模式：

• 平稳波动：正常飞行，高度在合理范围内上下浮动
• 突然跳变：比如从100米瞬间跳到-50米——这明显是传感器故障
• 长时间恒定：某个参数连续几百个点数值不变，传感器可能「死」了
• 周期性震荡：可能是PID参数调得不好，或者气流扰动

我个人习惯把多个关键参数画在同一张图上，用不同颜色区分。这样能发现参数之间的联动关系。比如高度下降时，空速是不是也跟着降？如果高度降了空速反而升，那就有意思了——可能是失速前兆。

2.3 箱线图：揪出离群点

时序图能看出趋势，但离群点（outlier）有时候藏在密密麻麻的数据点里，肉眼很难发现。这时候箱线图就派上用场了。

plt.figure(figsize=(10, 6))
sns.boxplot(data=df[['altitude', 'speed', 'battery_voltage', 'gyro_x']])
plt.title('关键参数箱线图', fontsize=14)
plt.ylabel('数值')
plt.show()

箱线图的核心逻辑很简单：

• 箱子中间那条线是中位数
• 箱子上下边缘是四分位数（Q1和Q3）
• 箱子外面的「须」延伸到1.5倍IQR（四分位距）
• 须之外的点，就是离群点

为什么会这样？因为正常数据大部分都集中在箱子内部。那些远远飘在外面的点，要么是传感器噪声，要么是真实异常。

我曾经处理过一批无人机电池电压数据，箱线图显示有几十个点电压低于3.0V。正常锂电池最低也就3.3V左右。后来一查，是那次飞行中电池过放了，差点炸机。嗯，箱线图帮我提前发现了隐患。

2.4 数据分布分析：理解数据的「性格」

数据分布分析，说白了就是看看每个参数的值是怎么分布的。是集中在某个区间？还是分散得到处都是？

最常用的工具是直方图和核密度估计（KDE）。

plt.figure(figsize=(12, 5))

plt.subplot(1, 2, 1)
sns.histplot(df['altitude'], bins=50, kde=True, color='#2c7bb6')
plt.title('高度分布直方图')

plt.subplot(1, 2, 2)
sns.kdeplot(df['altitude'], fill=True, color='#d7191c')
plt.title('高度核密度估计')

plt.tight_layout()
plt.show()

看分布图的时候，我一般关注这几个点：

• 单峰还是多峰：单峰说明数据集中在某个值附近；多峰可能意味着飞行状态发生了变化（比如起飞、巡航、降落三个阶段高度分布不同）
• 偏态：数据偏向一边，可能是传感器有系统偏差
• 拖尾：尾巴拖得很长，说明存在极端值
• 尖峰：数据过于集中在某个值，可能是传感器分辨率不够，或者数据被截断了

你想想看，如果某个传感器的数据分布是完美的正态分布，那反而值得怀疑——真实世界的遥测数据很少这么「完美」。我遇到过有人用模拟数据冒充真实遥测，一看分布图就露馅了。

2.5 知识体系总览

下面这张图，是我自己总结的数据探索与可视化流程。你可以把它当作一个检查清单，每次拿到新数据都走一遍。

这张图展示了我做数据探索的标准流程：从加载数据开始，经过清洗，然后兵分三路——时序图看趋势、箱线图找离群点、分布分析理解数据性格。最后所有信息汇聚到一起，为异常检测模型提供高质量的特征输入。

说白了，数据探索不是为了画几张漂亮的图。它是为了回答三个问题：数据可信吗？数据有什么规律？哪些地方可能藏着异常？把这三个问题搞清楚了，后面的建模工作才能事半功倍。

可可精品资料库