C00 · 第 4 章 · 第二编科学编程

数据可视化与计算实验

从研究问题、变量角色、单位和模型假设定义计算实验，以对照、参数设计、分辨率与随机重复生成可审计数据，再按数据类型选择图形编码、尺度和不确定性表达，并保存种子、参数、原始数据、派生表和图件血缘。

难度 3/5约 195 分钟最近修订 2026-07-14

报告页面错误

预备知识数组、向量化与数值精度理想化、守恒量与模型边界统计估计

本章目标

把研究问题改写为可计算的输入、输出、比较、单位、假设和成功判据。
区分控制变量、扫描参数、随机重复和数值分辨率，设计可解释的实验矩阵。
按定量、类别、时间、分布和空间数据选择位置、长度、颜色与图形类型。
正确标注尺度、样本量、误差条和区间定义，识别截轴、平滑和选择性展示造成的夸大。
保存种子、参数、原始数据、派生步骤、软件环境和图件清单，使结论能够复算。

页面阅读位置0% · 仅保存在此浏览器

章节未开始

本册完成进度0/6 章 · 0%

本页目录

先定义问题，再决定画什么

一张图不能替代研究问题。计算前先写一句可判定的问题，例如：“在相同误差容限下，方法 A 与方法 B 的运行时间如何随网格规模变化？”这句话已经指定比较对象、控制条件、输出指标和自变量。若问题只写“观察两个方法表现”，任何曲线都能被事后解释，实验缺少失败条件。

每个变量应记录角色和单位：自变量由实验者扫描，响应变量是待解释输出，控制变量保持不变，协变量用于分层或调整，随机因素通过重复采样。网格数是无量纲计数，步长可能用 m，运行时间用 s，能量误差用 J 或相对无量纲量。把绝对误差与相对误差画在同一轴而不标注，会改变数量级含义。

模型假设也属于实验输入，包括方程、边界条件、初值、材料参数、数据清理、停止准则和硬件环境。结果支持的是“在这些条件下的计算模型”，不是无条件的自然规律。

从问题到实验契约

一份简洁实验契约至少回答：

输入数据或初始状态是什么，版本和单位是什么；
哪些参数变化，取值范围为何合理；
哪些条件固定，基线是哪一个；
输出指标如何计算，方向是越大越好还是越小越好；
随机运行需要多少独立种子，如何映射到重复编号；
数值分辨率如何加密，停止或收敛判据是什么；
哪些异常会使一次运行无效，是否允许重试；
最终保存哪些原始数据、派生表和图件。

契约在查看最终结果前确定，可降低事后挑选参数和指标的风险。探索性分析允许修改问题，但每次修改应产生新的实验版本，保留原始探索记录，不把探索后的选择伪装成预先计划。

对照、参数扫描与重复不是一回事

对照用于隔离一个改变的影响。一次只改一个参数便于解释局部效应，却无法发现参数交互；全因子设计能估计交互，但组合数随因素增长。规则网格适合低维光滑响应，随机或空间填充设计更适合高维范围。参数范围应来自物理、算法或数据边界，而不是只选能产生漂亮曲线的区间。

随机重复估计随机过程波动；网格加密估计离散误差；更换模型估计结构不确定性。三者不能合成一个“重复次数”。同一数值分辨率下跑十个种子不会证明离散收敛，单一种子上加密五次也不能估计随机方差。

配对设计常提高比较效率：方法 A、B 使用相同数据划分、初态或随机场编号，分析每对差值。若两个方法内部耗用随机数数量不同，直接给相同整数种子不保证样本逐项对应；更稳妥的是预先生成共享输入，或按数据实例和重复编号派生独立随机流。

例 1：配对种子比较两种随机算法

设要比较估计器 A、B 的绝对误差。预先定义二十个重复编号 $r=0,\ldots,19$ ，每个编号生成一份共享模拟数据 $D_r$ ，再让两个方法都处理同一 $D_r$ 。记录

d_r=|e_{A,r}|-|e_{B,r}|.

图中展示二十个配对差值及其均值区间，而不是把 A、B 各自二十点打乱后比较两个独立均值。若 $d_r<0$ ，表示 A 在该共享实例上误差更小。区间必须注明是差值标准差、均值标准误还是置信区间；三者含义不同。

数值收敛实验需要已知参照或一致基准

算法验证应把离散参数作为自变量，把与解析解、制造解或高精度参考的误差作为响应。若理论误差 $e(h)\approx Ch^p$ ，则

\log e\approx\log C+p\log h,

双对数图在渐近区斜率约为阶数 $p$ 。只画解曲线越来越重合不够，因为视觉分辨率可能隐藏误差；应给误差范数、单位、参考解和拟合区间。

例 2：Euler 方法的一阶收敛图

求解

y'=-y,\qquad y(0)=1,

在 $t=1$ 的精确解为 $e^{-1}\approx0.367879$ 。显式 Euler 用步长 $h=1/N$ 得

y_N=(1-h)^N.

$h=0.25$ 时 $y_4=0.316406$ ，绝对误差约 $0.05147$ ； $h=0.125$ 时 $y_8\approx0.343609$ ，误差约 $0.02427$ 。步长减半，误差比约 $2.12$ ，接近一阶方法预期的二倍下降。实验表应保存 h、步数、数值解、参考解、绝对误差和运行状态；双对数图只对进入渐近区的点拟合斜率。

图形编码选择遵循数据关系

定量比较优先使用共同基线上的位置，其次是长度；角度、面积和体积更难精确比较。类别用位置或离散形状，连续数值用有序亮度或连续色标。颜色不能作为唯一编码，还应配标签、线型、标记或直接数值，照顾色觉差异和灰度输出。

常见对应关系如下：

随时间或有序参数变化：折线和带标记点的趋势图；
两个定量变量关系：散点图，必要时叠加透明度或分箱；
单变量分布：直方图、密度、ECDF 或原始点；
多组分布：箱线、提琴与抖动点，并显示样本量；
矩阵或二维标量场：热图，配有单位和明确色标；
组成关系：堆叠图仅在总量和部分均重要时使用。

折线暗示相邻点之间存在顺序和可插值关系，不能用线连接无序类别。直方图外观依赖箱宽和起点，应报告分箱规则或同时给 ECDF。面积图和三维柱体容易把大小差异夸张，不适合精确比较。

例 3：算法运行时间随规模变化的图形选择

比较两个算法在 $n=10^3,10^4,10^5,10^6$ 上的运行时间，每个规模独立重复十五次。原始表每行包含方法、 $n$ 、重复号、时间 s、硬件、线程数和状态。主图以 $n$ 为横轴、时间秒为纵轴，两个方法用颜色加线型区分；点表示中位数，带表示四分位区间，半透明小点显示重复。

若规模和时间跨多个数量级，可用双对数轴并在轴标题写明。对数轴只接受正值，超时运行不能编码为零；应另用删失标记或表格说明。只画每组最快一次会把调度噪声和缓存偶然当成算法性能。

尺度、坐标轴与变换

柱形长度以零为共同基线，截断纵轴会放大比例差异。折线图关注变化时不必总从零开始，但应让范围、刻度和注释清楚，避免把微小波动呈现为巨大跃迁。等比例坐标对几何斜率和角度很重要；任意改变宽高比可使趋势显得更陡或更平。

对数变换适合乘法尺度和跨数量级数据。对数轴上的相等距离表示倍数而非差值，误差条也应在原尺度或变换尺度上定义一致。含零或负数时不能直接取对数，添加任意小常数会改变低值结构，必须有模型理由并报告常数。

双纵轴容易把两条无关序列通过缩放制造同步，应优先分面、标准化后明确标注，或直接画二者关系。平滑曲线会隐藏局部变异，需显示原始点、平滑方法和带宽；趋势线不能越过数据支持范围无条件外推。

例 4：截轴如何夸大百分之一差异

两方法准确率分别为 $0.900$ 与 $0.909$ ，绝对差 $0.009$ ，相对前者约百分之一。若柱图纵轴从 $0.895$ 开始，第二根柱可在视觉上高出数倍；从零开始则显示真实长度比例。更直接的表达是画点估计与置信区间，并在标题或注释中写“绝对提升 0.9 个百分点”。

“相对提升百分之一”和“提升一个百分点”不是同一量。报告应同时给基线、绝对差和适当区间，避免只选择数值更显眼的说法。

不确定性必须说明对象和计算方法

标准差描述个体观测分散，标准误描述估计均值的重复波动，置信区间按重复抽样程序具有覆盖含义，预测区间描述未来观测。图例只写“误差条”不够，应写明均值±标准差、均值标准误、百分之九十五置信区间或分位数区间，并给样本数。

时间序列、Markov 链和同一初始条件的密集输出通常相关，不能用帧数的平方根缩小标准误。应按独立实验单位、相关时间或分块估计有效样本。参数扫描中每个点若只有一个随机种子，连线只是单次实现，不支持总体均值趋势。

置信带也不等于所有未来曲线会落入带内。逐点区间与同时覆盖整条曲线的区间不同，多参数、多指标和多时间点选择会增加偶然显著结果。探索图可展示全部指标，正式结论应提前定义主要指标或说明多重比较处理。

例 5：同一均值的三种不同误差条

十次独立运行的指标均值为 $20\,\mathrm{ms}$ 、样本标准差为 $4\,\mathrm{ms}$ 。描述单次运行分散可画 $20\pm4\,\mathrm{ms}$ 。均值标准误为

\mathrm{SE}=\frac4{\sqrt{10}}\approx1.26\,\mathrm{ms}.

若采用 Student 区间，百分之九十五均值区间还要乘自由度九的临界值，而不是直接用 $1.96$ 。三种误差条宽度不同，因为回答的问题不同。若十个值来自一条相关轨迹的连续十帧，这个独立样本公式不成立。

不夸大证据的快速检查

图应显示与结论相关的全部条件，而不是只保留最好种子、最佳时间窗或最有利基线。若删除异常运行，要给事先定义的无效标准和删除数量。失败、超时和数值发散本身可能是稳定性证据，不能默默从运行时间或准确率图中消失。

还应检查：坐标轴是否含单位；色标范围是否在多面板间一致；类别顺序是否有意义；样本量是否可见；平滑和聚合是否掩盖多峰；误差区间是否对应独立单位；图题是否把相关说成因果；图中有效数字是否超过输入精度。装饰性三维、阴影和高饱和渐变不增加证据。

原始数据、派生数据与 provenance

原始输出应保持不可变，派生表由脚本从原始数据确定性生成，图件只读取经过模式验证的派生表。建议每行代表一个观测，至少含 run_id、方法、参数、单位、分辨率、重复号、种子、指标值和状态。宽表适合某些计算，长期归档仍需数据字典说明每列。

provenance 即产物血缘，回答“这张图由哪些输入、代码和参数产生”。每次运行保存清单：

experiment_id
code_revision
data_version_or_hash
environment_and_dependencies
parameters_with_units
rng_algorithm_and_seed_map
start_and_stop_rule
raw_output_paths
derived_table_path
figure_config_and_output_path

图像文件不是数据替代品。应同时保存可机读数据、生成脚本和图件配置。交互调整坐标范围、颜色或筛选后，要把最终选择写回配置，不能只保存在某次图形界面会话中。

随机实验把主种子与每个运行编号映射到独立子流，并保存生成器算法。确定性实验也需记录线程数和硬件，因为并行浮点归约顺序可能影响末位。外部数据要保存版本、下载时间、许可证和校验值；“使用最新数据”无法复算。

复算与验证闭环

复算流程从空的派生目录开始，读取冻结原始数据和清单，重建派生表与图件，并核对行数、模式、单位、摘要统计和文件校验值。若产物依赖手工步骤，应将步骤写成可执行变换或至少记录输入输出和理由。复算成功证明流程可重复，不证明模型假设正确；还要用基准、对照和敏感性分析验证结论。

最终报告应把结果和限制并列：哪些参数区间支持趋势，哪些运行失败，误差来自随机性、离散化还是测量，未测试哪些边界。图注应能独立说明数据、线和阴影分别代表什么。

图越平滑说明证据越可靠

平滑可能来自聚合、带宽或插值；应同时展示原始分散、样本量和方法。

固定随机种子就完成复现

还需生成器、参数、数据、代码、环境和子流映射；单一种子也不能估计随机波动。

复算成功等于结论真实

复算检查流程一致性，模型有效性仍需对照、基准、敏感性和外部证据。

练习

练习 1：实验契约

所属知识: 研究问题
难度: 2/5

把“比较两个求解器”改写成可执行研究问题。

查看提示

写出输入、比较、响应、单位、控制和成功判据。

查看解答

问题应指定方法、数据或模型、扫描参数、响应指标及单位、固定条件、重复与判据；仅写观察表现不可证伪。

练习 2：重复与加密

所属知识: 实验设计
难度: 3/5

设计同时含随机性和网格误差的实验矩阵。

查看提示

随机重复估计方差，网格加密估计离散误差。

查看解答

每个分辨率需独立种子重复以估随机误差，同时跨分辨率比较基准误差；两轴实验表不能用其中一轴替代另一轴。

练习 3：图形编码

所属知识: 图表选择
难度: 2/5

为三类数据关系选择图形并说明编码。

查看提示

时间趋势、变量关系和分布分别需要不同图形。

查看解答

时间趋势用折线加点，关系用散点，分布用直方图或 ECDF；类别不能无依据连线，颜色还需线型或标记冗余。

练习 4：误差条

所属知识: 不确定性
难度: 3/5

解释为何标准差、标准误和置信区间不能统称误差条。

查看提示

区分单次观测分散与均值估计不确定性。

查看解答

标准差描述观测分散，

SE=s/\sqrt{n}

描述独立均值精度，置信区间还需分布或重采样方法；图注必须给定义和 n。

练习 5：避免夸大

所属知识: 尺度
难度: 3/5

审查一张截轴、平滑且只含成功运行的性能图。

查看提示

检查零基线、对数条件、宽高比、筛选和平滑。

查看解答

柱图从零或改用点差图；对数仅用于正值并标注；显示原始点与样本量；报告删失和失败；平滑给方法与带宽。

练习 6：产物血缘

所属知识: 复算
难度: 4/5

为一次随机计算实验设计最小 provenance 清单。

查看提示

从原始输入到派生表、图配置和环境逐层记录。

查看解答

保存数据版本或哈希、代码修订、环境、参数单位、种子子流、运行状态、原始路径、派生脚本与表、图配置和输出校验；从空派生目录复算。

关系与资源

数组、向量化与数值精度提供形状、轴、单位和稳定计算基础。
模型、假设与适用边界限定计算结论的解释范围。
统计估计提供效应量、标准误和区间语言。
测试、版本控制与环境管理支持基准验证和版本追溯。
编程与科学计算综合项目将实验、代码、数据和图件组织为交付产物。

课程 · 2024

Computational Methods of Scientific Programming

Thomas Herring, Chris Hill

用于核对 P11 的程序验证、并行性能测量、环境记录、结果传播和可复现计算实验要求。

打开官方来源

MIT OpenCourseWare 12.010 覆盖科学编程、验证、可视化、版本控制和可复现工作流，可用于核对本章计算实验与产物组织。图形只负责诚实表达已有证据，不能补足缺失对照、错误单位或不足采样。