一个求证了三次才确定概念的数据分析案例！
大家好，我是小一
今天的文章又是一波三折，差点没产出来
事情是这样的：这次遇到的数据集里面，有一个概念，虽然它不影响整体的分析结果，但是抱着谨慎的态度，前前后后一共还是求证了三次，最终才得以确认，具体是啥后面文中会提到。
先来说一下数据集：来源于全球手机基站开放数据库，网址是：https://alpercinar.com/open-cell-id/
数据涉及的字段有 14 个，表示基站的位置特征和测量者的上报信息等。
目的也比较开放：例如分析全球手机基站的空间分布特征、例如本文中的某个城市基站分布等。你可以随意发挥
ok，开始正文...
数据准备
全部数据集表示全球手机基站数据，大概有 3GB 左右，数据稍大，高于16GB 内存的电脑可以尝试一次性读入，否则建议分块
提供一段分段读取的参考代码：
# 分块读取，每次读取20W行
df_iterator = pd.read_csv(filepath, chunksize=200000)
df_data = pd.DataFrame()
for chunk in df_iterator:
# 在此可以对每一个块的数据进行处理，减少计算量
# 代码已忽略
df_data = df_data.append(chunk)
df_data
获取到数据大概如下：
一共 43285363 条数据，14 个特征，分别表示基站的位置特征和测量者的上报信息等
字段特征代表的意思如下：
因为本文的思路主要是针对 中国的基站数据进行分析，所以需要从中进行筛选。
而字段 MCC 表示的是移动国家号码，由3位数字组成，唯一地识别移动用户所属的国家。例如：中国是 460。
常见的像中国移动就是 46000、46002，中国联通是 46001，中国电信是 46003 等等，还有很多没有列举出来，贴一张图大家自己看：
筛选出中国的基站数据：
# 筛选出中国的基站数据
df_data_China = df_data[df_data['mcc'] == 460]
一共 877417 条数据，也是我们今天要分析的原始数据
开始分析
数据字段比较有限，因为不了解测量者上报数据的原理，所以有用的信息只有 lat、lon和 radio，对应的是基站的经纬度和网络制式
对于网络制式，在数据中有这么几个值：
其中 2G 基站的数量最多，其次是 4G，而 5G 基站数量为0，CDMA是18个
有一个很重要的题外话，5G 在我国已经商用了，这个数据存在很大的缺失
所以对于后面的分析结果大家抱有谨慎的心态去看
让我求证了三次的也正是在这个 CDMA 上，不敢兴趣的可以跳过下面这一小段，主要目的是为了说明：在数据分析中，对于数据字段的理解一定要准确
首先，是 CDMA 作为我国电信在2G上的使用标准，区别于 2G 和 3G，可以作为 2.5G 其次，发现在国际上，对于全球网络制式来说，CDMA 更多的是表示区别于2G的一个3G标准，是可以作为3G UMTS 的一个子集，所以归为 3G 最后，在求证同事之后，他给我看了两张图，最终确定 CDMA 归为 2G
有一本名为《WCDMA关键技术（第二版）》的书，算是业界比较知名的一本书，书上是这样写的：
所以，还是按照书上的，将 CDMA 归为 2G 时代。
因为 CDMA 的样本数确实很少，在本次项目中当做异常值处理也行，不会影响啥。
全国基站分布
首先先来看全国的 2G、3G、4G 基站的分布
可以看到 2G 网络的覆盖面积较广，基本上有 3、4G 网络覆盖的地方就有 2G 基站，另外在左上角的新疆地区，2G和3G插花出现，以弥补网络覆盖不足。
特别是发展到了现在已经是 5G 时代，2G 更多的是用来承载语音业务（个别城市除外），对应的用户语音的最大需求就是：覆盖
当你把这张图横着看的时候，可以发现各个区域不同网络的覆盖程度：
可以看到 2G 网络的在中部地区覆盖比较多，长三角地区的 4G 覆盖更占优势，珠三角地区的 3G 覆盖更好些。
海南是个例外，2G 网络覆盖大大高于3G、4G
此处应该有一段合理的怀疑，需要进一步验证数据源头是否准确、及时
对应的全国的 234G 基站覆盖情况可以分别看一下具体地理分布：
2G：
覆盖较广，属于最早期的网络，目前有部分城市已经开始弃用2G，开始用3G承载语音业务
3G：
有几个中心区域值得关注，珠三角、长三角、京津地区
4G：
4G目前算是主流，毕竟5G只是在部分城市覆盖比较好
中国的5G建设在全球都是处于领先地位，数据显示中国没有5G基站
具体城市分析
上面是中国整体的一个基站地理分析，接下来单独看一下深圳的分布情况，想必应该会有不一样的感官
先来看深圳的 2、3、4G分布情况：
黄色的 2G 基站仍旧占据多数，在各大道路（高速、高铁）等都有覆盖，红色的 3G 基站数量略少，黑色的 4G 基站在景区（右下角西涌海岸最明显）等位置都做了覆盖增强，将原来 2G 没覆盖到的地方做了一些增补
最明显的感受就是：在有些区域，可能你打电话不太行，但是上网却是没啥问题的。
图中有少许点是打在海里面，可能是经纬度需要转换，也有可能是数据源有问题
将2G、3G基站的分布做一个对比分析：
基本上是有 3G 的地方就有 2G，部分区域用 3G 进行覆盖增强
将 3G、4G基站的分布做一个对比分析：
深圳的 4G 覆盖其实整体还行，从图中可以看出，相比 3G 基站的分布已经密集了很多，特别是在道路上已经加强了很多
如果你是在深圳开往其他省的高铁或者大巴上，可能出了深圳之后，上网会突然变差，刷视频、玩游戏什么的可能都会变卡
另外，对于景区，4G 也新增了很多基站，只要你不是去城中村、高楼那种密集区域，想必在深圳的网络体验都还行
最后，看一下 2G、4G的基站分布情况：
整体来说，还是 2G 会多很多
这个就更让我怀疑数据了，在现在的深圳不太会是这个结果。
盲猜数据不是最新的，最起码不是近一年的
总结
部分数据有问题，在前面都已经说过，所以本文的结论大家稍微带点怀疑的眼光去看
对于中国的整体基站分布，特别是对于某个城市的的分析，还需要结合这个城市的具体情况，例如：新疆地域辽阔、深圳高楼密集城中村较多等，对于具体的网络建设有很大的影响
唯一可以肯定的是：时代的脚步一直在前进，2G时代也终究会被3G取代，4G、5G 甚至到后面的 6G 等，网络的更新终究会随着时代的前进而滚滚向前
就像现在已经很少有人用 2G 上网，打电话也有很多用户使用 VoLTE了。
往期文章
我是小一，坚持向暮光所走的人，终将成为耀眼的存在！
期待你的 三连！我们下节见