4. 多变量数据矩阵构建
生物过程数据天然具有三维属性：一个批次在多个时间点上采集了多个变量的观测值。发酵罐的pH、溶氧、温度、补料速率、尾气CO₂等变量，在批次运行的每一分钟或每十分钟都会产生新记录。这种数据结构可以抽象为“批次×变量×时间”的三维数组，而多变量数据分析算法通常要求输入二维矩阵，因此必须通过展开操作将三维数据重新组织为二维形式。理解展开方式的选择逻辑，是后续PCA、PLS等建模能否正确解释生物过程变化的前提。
三维数据的基本组织
设一个数据集包含 I 个批次，每个批次有 J 个过程变量，每个变量在 K 个时间点上被采样。原始数据可表示为三维数组 X(I×J×K)。以教学示例说明：某补料分批发酵工艺记录了6个批次（I=6），每个批次监测4个变量（J=4：pH、溶氧DO、温度T、补料速率F），每个变量在发酵周期内取10个等间隔时间点（K=10）。原始数据总量为6×4×10=240个数值。这个三维结构本身无法直接送入PCA，需要选择一种展开策略将其映射为二维矩阵。
批次展开：以批次为行、变量-时间组合为列
批次展开（batch-wise unfolding）将三维数组沿批次方向保留为行，把变量维和时间维合并为列。展开后矩阵 Xbatch 的尺寸为 I×(J·K)，即6行×40列。每一行代表一个完整批次，每一列代表某个变量在某个特定时间点的取值，例如“pH在t₃时刻的值”成为独立的一列。这种展开方式保留了批次间的整体差异，适合回答“哪些批次运行轨迹相似、哪些批次偏离正常”这类问题。在批次展开矩阵上做PCA，得分图上的每个点是一个批次，载荷则反映哪些变量-时间组合对批次间差异贡献最大。
批次展开的关键操作是按变量和时间顺序排列列。通常约定列顺序为：先变量1的全部时间点，再变量2的全部时间点，依此类推。即列1至列10为pH的t₁至t₁₀，列11至列20为DO的t₁至t₁₀，列21至列30为T的t₁至t₁₀，列31至列40为F的t₁至t₁₀。这一顺序必须在整个分析中保持一致，否则载荷解释会出现错位。
变量展开：以变量-时间组合为行、批次为列
变量展开（variable-wise unfolding）将变量维和时间维合并为行，批次维作为列。展开后矩阵 Xvar 的尺寸为(J·K)×I，即40行×6列。每一行代表某个变量在某个时间点的6个批次观测值，每一列代表一个批次。这种展开方式将同一变量同一时间点的批次间变异放在一行内，适合分析变量随时间的演变模式以及变量之间的动态相关性。在变量展开矩阵上做PCA，得分图上的每个点是一个“变量-时间”组合，可以观察pH、DO等变量在时间轴上的协同变化轨迹。
时间序列切片：按时间点或时间窗口提取截面
时间序列切片不改变三维数组的整体结构，而是沿时间轴选取特定时刻或时间窗口的数据子集。常见操作包括：取某一关键时间点（如补料开始后第2小时）的全部批次和变量，形成一个 I×J 的截面矩阵；或取一个时间窗口（如t₅至t₈）的数据，形成 I×J×Kwindow 的子数组。切片的价值在于聚焦过程的关键阶段。例如，在对数生长期和产物合成期分别切片建模，可以避免不同生理阶段的数据混合掩盖真实的相关结构。切片后通常再对子数组做批次展开或变量展开，进入常规多变量分析流程。
展开方式的选择依据
三种组织方式没有绝对优劣，选择取决于分析目标。若关注批次整体运行质量的分类与监控，批次展开更直接；若关注变量间动态关系与时间演变模式，变量展开更合适；若需要分阶段建模或排除某段时间的干扰，时间序列切片提供了灵活的预处理手段。实际工程中，常先用批次展开建立批次级监控模型，再用变量展开分析变量贡献，最后用时间切片定位异常发生的具体阶段。
展开操作中的关键细节
无论选择哪种展开方式，都需要注意几个工程细节。第一，时间点的对齐。不同批次的发酵周期可能不同，需要统一到相同的时间网格上，通常采用插值或取最近邻时间点的方式。第二，变量的标准化。pH、DO、温度、补料速率的量纲和数值范围差异很大，展开后必须对每一列做均值中心化和方差缩放，否则数值大的变量会主导PCA结果。第三，缺失值的处理。传感器故障或采样遗漏会导致矩阵中出现NaN，需要在展开前用插值、删除或缺失值填充方法处理。第四，展开顺序的记录。批次展开时变量和时间的排列顺序、变量展开时变量和时间的排列顺序，都应在分析日志中明确记录，以便载荷向量能够正确映射回原始变量和时间点。
X.reshape(I, J*K)，变量展开可用 X.transpose(1,2,0).reshape(J*K, I)。注意transpose后的轴顺序决定了行是“变量-时间”还是“时间-变量”，需与后续载荷解释保持一致。
从展开矩阵到分析结果
以批次展开为例，6×40的矩阵经过均值中心化和方差缩放后做PCA，得到得分矩阵和载荷矩阵。得分图上的6个点代表6个批次，若某批次远离其他批次，说明其运行轨迹异常。载荷向量长度为40，可以重新折叠为4×10的矩阵，观察哪些变量在哪些时间段对异常贡献最大。例如，若载荷在“补料速率F的t₇至t₉”位置有较大绝对值，则说明该批次的异常主要源于补料后期速率偏离。这种“展开—建模—折叠回三维”的分析路径，是多变量统计过程控制中定位异常根源的标准做法。
变量展开则常用于分析变量间的动态相关性。40×6的矩阵做PCA后，得分图上的40个点代表40个“变量-时间”组合，可以观察pH和DO的得分是否在时间轴上呈现相反的移动方向，从而判断两者是否存在负相关。时间切片则更多作为预处理步骤，将三维数据按生理阶段切分后，再分别做批次展开或变量展开，使模型能够捕捉阶段特异性的变化模式。
三种组织方式共同构成了多变量数据矩阵构建的完整工具箱。理解每种展开方式保留了什么信息、丢失了什么信息，以及展开后矩阵的行列分别代表什么，是后续所有多变量分析能够正确解释生物过程含义的基础。