（）
无论是毕业设计还是研究生的研究，你在求学阶段做的科研基本是以「研究项目-实验」的结构进行的。
一个研究生可能会同时主要参与一到两项研究项目，其中会具体分为若干个实验，实验过程则包含了实验设计、预实验、正式实验的形式。
所以，实验可以说是项目的骨架树干，每一项实验是树枝的分叉。
不过，没有实验可以一帆风顺展开，你往往需要在研究中和导师反复讨论。
哪怕实验结果顺利，最后也需要一次汇报和撰写。
这就是我这一节要介绍的内容：如何整理和总结你的实验数据，我们将从预实验、完整实验、论文撰写三个关键过程入手，讨论研究全过程中我们该怎么把头绪万千的数据转化为更清楚的形式，方便与他人交流。
汇报预实验的结果
根据我自己和其他很多科研工作者的经验，在任何研究刚开始开展的时候，都不会一鼓作气把预计的全部数据收集完，而是大概在10%-30%的时候先暂停，暂时分析一下数据情况。
即所谓先做预实验，再对预实验数据进行分析和讨论，从而修正或者确认正式实验的流程。
你看，预实验的耗时其实短于完整实验，但是达到一定数量后，我们可以基本预测完整实验的走向（所谓「研究手感」）。
因此，从做科研的效率角度上考虑，我们应该在预实验后进行数据的分析和讨论，以较少代价为消耗和代价更大的完整实验确定道路。
所以，不是导师没事干总想让你们汇报，而是在一定的完成比例下，汇报可以事半功倍。
更有甚者，在做完全不熟悉的研究时，做了预实验才能知道会出多少完全难以应对的状况（太太太常见了）——可能是新的混淆变量，甚至实验室条件不满足研究需求等等。
此时，大家就该讨论一下，把这些想不到的新变量进行控制。
若预实验数据完美，那就不用多说，直接大刀阔斧开始干；若预实验数据太差，那操作也简单，说明实验假设或实验设计有较大问题，应当返工。
最可怕的就是实验结果不好不坏，更可怕的是想到的假设失败了，没想到的假设成立了。
在科研的突破中，这类情况是常态，即预实验结果不完美也不太坏。
此时，作为研究生（甚至对年轻pi）都需要有经验的学者，比如自己导师或者同领域专家帮助判断才行。
问题来了，刚做完的预实验数据其实都很杂乱。
哪怕你的数据分析已经做完了，那也只是一个你能读懂的输出，好比熟悉用R和Python做数据分析的同学都知道，数据分析的原始输出虽然信息量很足，但其实乱得很，真的写成论文和做成图表需要更长的时间和精力。
不过，哪怕花了很多时间在做图表上，倘若实验需要大修，数据用不到论文里，这段时间就浪费了；哪怕没有问题，最后实验数据自然和预实验有区别，时间还是会浪费。
此时，我们该怎么平衡精致做图表的时间成本以及及时交流的时间压力？我的观点就是最大化节省时间，倘若和自己导师交流，可以能简则简，若和别的专家交流也不需要花过多时间，把图表做到论文级别。
首先，一个成熟的实验室应当有一些图表自动生成的代码。
自动化产生实验数据的图片，假如没有，其实你应该考虑自己写一下。
不过就事论事的话，你可以用许多统计分析软件自带的数据分析包生成图片，如果实在没法生成图片，自己手绘也需要画出来图。
一定记住，一堆原始数据的表格是远远比不上一张图的。
真实的经历，就是我博士期间的一篇大论文的数据收集是抢时间搞定的。
为了在我导师出国开会前得到确认，我是赶在她坐飞机前，在纸上画图表讨论的。
当然，画也要画的认真一些，你可以用尺和不同颜色的笔来。
倘若一定要用原始数据的表（有时候数据过多，比如回归分析有很多项，也可能是相关矩阵），那你也要用用各色框把表中核心数据高亮出来。
这样，任何人都能第一时间知道你所关注的核心数据是什么。
（第1页）
一秒记住本站永久地址：https://www.ttzww.com
请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。