|
「2016 与我的数字生活」年度征文入围作品 今年，我们在 2016 年度清点 中举行了一次大型年度征文活动，鼓舞大家盘绕「数字生活」为主题，回想刚刚过去的 2016 年。我们给予最开放的选题、最自由的投稿方式、有史以来最丰厚的奖品，以及逾越春节的两个月充足时间，等你参与。你能够点击 这里查看活动规则和奖品清单。 我们会在两个月的活动期内，不定期从收到的投稿当选择发布优秀的文章。一切经此发布的文章，即为已入围征文活动。 我自以为是个「量化青年」。2016 年曾经终了，但自我量化的工作看起来做的并不够合格，这岂不是空费了自己的统计学专业。那么接下来，我将经过关于自己 Fitbit 所导出的健康数据的剖析，来回想自己自 2016 年 8 月以来的生活状态。 ▍数据获取 想要量化，当然得先有数据。我在 2016 年 8 月入手一块 Fitbit Blaze 智能手表。关于 Fitbit Blaze 的评测在互联网上曾经有很多，在此未几赘述。主要功用简而言之包含了计步、卡路里估量、睡眠时间检测以及静息心率和运动心率检测。运用 Fitbit Blaze 时需求下载其应用程序（支持 Android 与 iOS 平台）并且创建账号，尔后能够从 Fitbit 网站上看到自己的每日数据，而高级用户则有将自己的数据导出的选项。于是自己在 2016 年末开启了免费试用一周高级会员的功用，并且将一切能够导出的数据导出为 csv 文件。导出的数据包含了以下类别： 体质数据：每日的体重、身体重量指数（BMI）、体脂率 饮食数据：每日的卡路里摄入 运动数据：每日的卡路里耗费、步数、运动距离、爬楼层数、久坐时间、低强度运动时间、中强度运动时间、高强度运动时间、运动耗费卡路里 睡眠数据：每日的睡眠时长、苏醒时间、醒来次数、在床上的时间 食物记载：每日所记载的食物的列表，以及每日的各种营养元素摄入合计，包含了卡路里、脂肪、膳食纤维、碳水化合物、钠、蛋白质、水。 在这些数据中，由于我并未能够每日称重和记载饮食（而且亚洲人的饮食方式使得精确记载所摄入的食物种类和重量极端艰难），体质、饮食和食物数据对自己的意义并不大。于是我将自己的运动和睡眠数据拼接起来，并且删去没有佩戴 Blaze 的两天的数据，得到了最终包含127个数据点，13 个变量的数据集。这之中每个数据点由 13 个数组成，代表着某一天的卡路里耗费、步数、运动距离、爬楼层数、久坐时间、低强度运动时间、中强度运动时间、高强度运动时间、运动耗费卡路里、睡眠时长、苏醒时间、醒来次数、在床上的时间这 13 个量，时间跨度从 2016 年 8 月 18 日到 2016 年 12 月 25 日。 这样一个小小的数据集带给自己怎样的新的认知呢？我首先想到的是，自己觉得自己平常算还爱运动，那么数据也是这样以为的么？以及自己睡眠时长跟他人相比呢？ ▍数据初步看 想回答上面的问题，我算出自己这 127 天的平均运动步数为 8283 步，远高于日前 QQ大数据所发布的《2016中国人运动讲演》中 5112 步的均值，也高于 18-27 岁年龄段的 5261 均值。由此看来我还算没有盲目自信。但关于我所参照的这个讲演，其调查的人群——也即便用 QQ 运动的人群，是并不能全方位的代表全国民众的，由于运用 QQ 运动的人群可能年龄普遍偏低。因而取 18-27 岁年龄段的结果与之比较更有意义。 那么，我的睡眠状况怎样呢？同样，做一个简单的平均，自己的平均睡眠时间为 7 小时 34 分钟，处在引荐的 7 到 8 小时之内。作为对比，依据 Sleep Cycle 发布的一份时间跨度从 2014 年 6 月到 2015 年 3 月 31 日的 睡眠讲演 显现，中国人的平均睡眠时长为 6 小时 43 分钟，美国人的平均睡眠时长为 7 小时 6 分钟。那看起来自己睡觉还算能够。（同样的，这份讲演的代表性也有待商榷。这些数据由 Sleep Cycle 这个应用的运用者得出，而这些运用者常常关于自己的睡眠状况有相当的关注，加之这还是一个付费应用，这可能会使得最后得到的数据并不具备代表性） 另一个让我感兴味的问题是，在这四个月里，自己的运动水平和睡眠时间有没有随时间变更的一些规律呢？会不会随着买到手表之后新颖感褪去招致运动量降落呢？下面两张图展示了每日步数与每日睡眠时间随日期的变更的趋向：
图一：步数随日期的变更。 横轴：购入Fitbit的天数。纵轴：步数。
图二：睡眠时间随日期的变更。 横轴：购入 Fitbit的 天数。纵轴：睡眠时长（分钟）。 在第一张图中，能够看到我步数的趋向大致是先降落再上升再降落。第一段降落应该是新颖劲降落之后每天的运动量恢复先前常态。至于之后的上升，我查看了一下自己在那段时期左近的日历，发现是在十月底的时分我参与到一个网球俱乐部，会时不时地在周六打三至四个小时网球，直接拉高了运动量的趋向；而随着寒假来临，网球俱乐部在此期间不再举行活动，招致最后一段运动量又低了下来。第二张图中的睡眠时间状况则显得比较平稳，只需开头一段时期的降落。这也似乎是由于对手表的新颖感降低而不再特别留意睡眠时间能否达标。由此看来自己还需求长期坚持一个稳定的运动量和作息习气。 在这些初步的剖析之后，还有些看起来愈加复杂的问题能否得到答案呢？譬如，我想知道自己在每周七天里普通哪天运动的多，哪天睡得多？又或是周中和周末自己的状态又能否有区别呢？以及再进一步，白天的运动对自己的睡眠质量有辅佐么？想要回答这些问题，我们需求进阶的数据发掘。 ▍进阶数据剖析 我们来挨个回答这些问题。 1. 每周七天的运动睡眠状况有何不同呢？ 为了回答这个问题，我把自己的步数记载依照周一到周日中止分组，并画出散布图，下图中的每一个竖状的盒型代表了一切每周的这一天的步数散布状况，盒型越长则散布越分散，盒中横线代表中位数。由下图可见我的状况是周末的步数变更极大，要么待在家里不动，要么运动很多。而我想了想，这跟自己周末时不时打网球是吻合的。若是某个周末网球协会有活动，则会一下子运动很多，不然大多数状况就待在家里不怎样动了。
关于睡眠状况，我同样作了一张图：
每周睡眠统计 由图可见，自己一周里每天的睡眠时间相差不大，但我们也能够明显地看到，周末三天（五六日）睡眠时间动摇较周中更大，这是由于周末的作息并不像周中那么规律。这提示我需求在周末愈加留意坚持作息规律，不用睡得过多，也不要熬夜睡得少。 2. 走的步数多，真的就睡得好么？ 首先，我们需求得定义什么叫睡得好。我试图在搜索引擎查找关于睡眠质量的定义，但并没能找到一个学界通用的定义。睡得多就睡得好么？似乎一定。于是我自己分离 Fitbit 提供的睡眠时长、醒来次数、醒来时间以及入睡时间（由在床上时间减去睡眠时长和醒来时间得到）给一个我的计算方式。
睡眠质量定义 我把睡眠质量分为四部分，每部分占好比上图所示。细致到每个部分的得分，关于睡眠时间来讲，越接近 7 小时 20 分钟至 8 小时这个区间则得分越高；醒来时间、入睡时间、醒来次数都是越少分数越高。这样，好比一次时长 7.5 小时没有醒来并且躺下即刻入睡的睡眠则能够得到 100 分的满分。 往常我们就能够应用统计措施来检测睡眠质量与步数之间的相关性了。应用统计中的F检验，我得到（关于我个人而言）睡眠质量与步数之间并没有统计意义上显著的相关性。自己的睡眠状况可能更大水平上受第二天能否有活动要参与，或是睡觉这天能否恰恰喝了杯咖啡的影响。 ▍总结 经过这样的一番量化剖析，我对自己的接近半年的运动睡眠状况有了一个更好的了解。我知道自己运动量高过了全国均值，自己的睡眠时间平均而言也还能够。简而言之，活得还算健康。更进一步的是，我发现了自己在周末的时分比周中更为「涣散」，运动和睡眠规律性都变差了。最后，增加白天的运动量关于自己的睡眠状况并无补益。这些量化的结果和发现都会指导自己未来的生活方式。 美中缺乏的是，固然 Fitbit 的数据曾经比较丰厚，但我还是有未尽其用的中央。譬如固然自己家中的确有一个能够测体脂率的体重秤，但由于自己没有每天都中止丈量，我并不能做一个运动量与体重相关性的剖析，也无法看到自己体重的变更趋向。又如由于 Fitbit 自身的限制，自己并没有选项能够导出每天入睡和起床的时间，不然还能够剖析自己能否在周末会睡懒觉这样的有趣的问题。另外很重要的一点，Fitbit 赖以为傲的心率追踪技术并不支持用户自行剖析心率数据，也无法得到自己所记载的（或是 Blaze 自己记载的）每次运动对应的心率数据，这无疑是量化青年的一份遗憾。 值得一提的是我不时在用每天的步数来作为自己一天运动量的权衡，但是更为精确计算还要思索运动强度的影响。Fitbit 的确有提供每天卡路里耗费的推测值，但由于不知道其算法，自己还是激进地运用了步数来作为权衡规范。 在现今的数据横飞的时期，可能一个人手里拿着的、身上带着的、耳朵里塞着的、书包里背着的，都包含了一个又一个的传感器。这些传感器无时无刻不在产生着大量的数据。如何能保险地存储这些数据并且加以应用，是科学界和每个用户都面临的问题。关于一个个体而言，只需更好地经过这些数据了解自己，回答那个两千年前苏格拉底「认识你自己」的问题，才算是有了意义。 2017，新的一年，愿自己动好睡好，吃嘛嘛香！ |
名表回收网手机版
