4、数据科学与气象实验：从基础分析到工具搭建与数据测量

数据科学与气象实验：从基础分析到工具搭建与数据测量

1. 数据基础分析

1.1 平均值分析：“集中趋势”

在考虑房间温度时，我们很难找到一个绝对准确的答案。房间内不同位置的温度可能存在差异，那我们该用哪个单一数值来描述房间的温度呢？平均值是对大量数据进行总结的便捷且实用的方式。

1.2 数据质量分析

当使用多个温度计测量时，可能会疑惑哪个温度计的测量结果是正确的，或者哪个更准确。实际上，每个温度计的测量结果都与其测量的具体情况相关。如果存在误差，很可能是因为我们进行了外推。比如，将一个小区域的温度值应用到整个房间，这就是数据外推。外推会影响数据的有效性，外推程度越大，数据的有效性风险就越高。

1.3 内省思考

在重复相关实验时，我们应该思考哪些方面可以改进。需要明确的是，之前的问题并没有绝对的对错答案，实验的价值在于提问和讨论，养成对数据集提出大量问题的习惯，这是数据分析阶段的核心。

1.4 数据分析的本质

数据分析会变得更加正式，专业的数据分析工具非常复杂，背后的数学原理也高深精妙。但无论使用何种工具，数据分析的本质都是提出问题并寻找答案。对于数据科学家来说，一组数据就像一盒未开封的巧克力，充满了探索的乐趣，但在开始之前，一定要先了解其“成分”。

2. 选择数字工具

2.1 为何选择 micro:bit

虽然模拟温度计可能使用起来更简单且更准确，但如果我们仅测量温度，可能没有必要切换到 micro:bit。然而，我们选择坚持使用数字工具，因为数字工具能让我们接触到大量的硬件、软件和知识，这些在数据