4. 小试数据描述性统计与可视化

小试实验跑完之后，我们手里往往是一张密密麻麻的数据表：不同批次、不同工况下的COD去除率、出水氨氮、比耗氧速率、pH、加药量、停留时间……这些数字单独看意义有限，只有经过描述性统计与可视化，才能回答三个关键问题：数据整体水平如何、波动有多大、变量之间是否存在可利用的关系。本节聚焦这三件事，为后续的数据转化（如放大系数估算、工况推荐、方案比选）提供直观依据。

一、先做描述性统计，再谈图形

描述性统计是可视化的“底稿”。对每一个关键指标，至少应计算样本量 n、均值、标准差 s、最小值、25%分位数 Q1、中位数、75%分位数 Q3、最大值，以及变异系数 CV = s / 均值。均值反映中心位置，标准差和 CV 反映离散程度，分位数则对异常值更稳健。举例来说，某组小试的出水COD均值 58 mg/L、标准差 6.2 mg/L，CV≈10.7%，说明重复性尚可；若另一组均值相同但 CV 达到 35%，则提示操作或水质波动大，后续放大时不能简单套用均值。

需要特别提醒：小试样本量通常很小（每组 3～6 个平行），此时均值对极端值非常敏感，中位数和四分位距（IQR = Q3 − Q1）更能代表“典型水平”。因此在报告里建议均值与中位数并列、标准差与 IQR 并列，避免只用均值掩盖波动。

二、三类图表各司其职

箱线图用于看分布。箱体上下边是 Q1 和 Q3，箱内横线是中位数，须线延伸到 1.5 倍 IQR 范围内的最远点，超出者标为离群点。把不同工况（如不同碳源投加比、不同HRT）的箱线图并排，可以一眼看出哪组中位数更低、哪组离散更大、是否存在异常批次。它比柱状图+误差棒信息量更大，尤其适合平行样少、分布可能偏斜的小试数据。

散点图用于看关系。把自变量放横轴、因变量放纵轴，每个点代表一次实验或一个平行样。例如以“碳氮比”为横轴、“总氮去除率”为纵轴，可以直观判断是否存在正相关、是否出现平台或拐点。散点图上可叠加线性或对数拟合线并标注 R²，但要注意：小试数据点少，R² 高不代表因果，只能作为“值得进一步验证”的线索。

趋势图（折线图）用于看随时间的演变。例如一个批次内 COD 随运行天数的下降曲线，或膜通量随过滤时间的衰减曲线。趋势图的关键是保持时间轴等间隔、标注关键节点（如加药时刻、排泥时刻），否则容易误读。

三、从图到判断：三个实操要点

要点一：箱线图先看“组间中位数差”是否大于“组内离散”。如果两个工况的中位数只差 2 个百分点，而各自 IQR 就有 5 个百分点，那么这点差异很可能被噪声淹没，不能据此下结论。反之，若中位数差明显、箱体几乎不重叠，则差异较可信。离群点要回溯原始记录：是操作失误、取样污染，还是真实的水质冲击？不能一删了之。

要点二：散点图先看形状，再看拟合。先判断是线性、饱和型还是先升后降。例如碳氮比与脱氮效率常呈“先升后平台”的饱和关系，此时用线性拟合会低估拐点位置，改用米氏型或对数型更合理。同时留意点的聚集区：如果数据集中在低浓度段，高浓度段只有一两个点，那么拟合线在高段的延伸就不可靠，不能外推用于放大设计。

要点三：趋势图要标事件、控间隔。把加药、排泥、进水切换等操作时刻标在图上，才能把“曲线变化”与“操作动作”对应起来。若采样间隔不均匀（如前期每天、后期每三天），折线斜率会被视觉放大或压缩，建议在图上注明采样点或改用等间隔重采样后再绘制。

四、一份可直接套用的图表清单

为了让统计与可视化工作可复现，建议每组小试数据按以下清单产出图表，并在图注中写清样本量、单位与工况条件：

完成上述统计与可视化后，我们得到的不是几张好看的图，而是一组可被追问的判断依据：中心水平是否稳定、波动是否可接受、变量关系是否值得进一步做验证实验。这些判断将直接支撑后续的数据转化与方案比选——例如用中位数而非均值作为放大设计的基准值，用散点图的平台段确定推荐碳氮比区间，用趋势图的稳定段确定合理停留时间。