CO₂ 排放数据集（1800–2022）🌍
在多数已有研究里，序列分析（sequence analysis）常用在个体层面的序列数据上，比如教育、就业或家庭轨迹。但它不只适用于社会或人口学轨迹也完全可以分析国家、组织、技术，甚至生态过程。
这也是我们选用 CO₂ 排放数据集做快速上手示例的原因：它展示了序列分析如何跳出“人生历程”场景，迁移到更广泛的领域。我们希望这个例子既能帮你理解序列分析的核心思路，也能启发你把它用到别的研究方向里。
这个数据集是什么？来源在哪？
这个数据集记录了各国多年的人均 CO₂ 排放量（per capita）。 它来自 Gapminder 的公共数据（public data），汇集了全球各国的 CO₂ 指标。 我们已把原始数据源保存到 Sequenzo 的 GitHub 仓库： Gapminder data
数据集包含：
CO₂ 总排放量（kilotons，千吨）
人均 CO₂ 排放量（metric tons per person，每人公吨）
国家与地区标识（identifiers）
跨越两个世纪的年度记录（annual records）
在本文里，我们重点关注人均排放（per capita emissions），而不是总排放（emissions）。因为它考虑了人口规模，做跨国比较更公平。
我们如何给 CO₂ 数据做分类？
序列分析（sequence analysis）通常处理的是类别型数据（categorical data），而不是原始数值。为此，我们先把连续型数值（continuous values）转换成类别状态（categorical states），做法是按 十分位组（deciles） 为各国各年的人均排放分组。
这些切分（cut points）是基于整个数据集 （所有年份 × 所有国家） 一次性计算出来的，这样能保证跨时间的比较口径一致。
全局十分位 vs 本地十分位（Global vs. Local Deciles）
谈到“十分位（deciles）”，其实有两种算法：
全局十分位（global deciles,本文采用）
把所有国家、所有年份的人均排放拉成一个大样本池。
只计算一次 10 个切点，并把它们应用到每个国家、每个年份。
好处是：类别在全球范围可比（globally comparable）。
例子：
假设第 2 十分位的阈值是 1.2 吨/人。
那么不管是 2015 年的巴基斯坦（Pakistan），还是 1980 年的巴西（Brazil），只要落在 0.8–1.2 之间，都归为“第 2 十分位（2nd decile）”。
本地十分位（local deciles，本文不采用）
在每个年份（或每个地区）分别计算一次十分位。
这意味着每年的切点都会变。
例子：
1960 年，因为整体排放低，第 2 十分位可能是 0.3 吨。
到了 2020 年，全球排放上来了，第 2 十分位可能变成 1.5 吨。
结果就是：同样是 1.0 吨/人，1960 年可能是很高的分位，但到 2020 年却可能是很低的分位。
为什么选全局十分位（Why Global Deciles）？
它让跨时间的比较更靠谱——你可以在同一套全球标尺下观察一个国家是往上走还是往下走。
如果用本地十分位，每年都会“洗牌”：即便一个国家的绝对排放没变，它的类别也可能因为别的国家变了而跟着跳来跳去。
具体步骤（Step-by-Step Process）
把所有国家 × 所有年份的人均 CO₂ 数值汇总到一起。
在 Python 里用
qcut()把这些数值切分为 10 组（deciles）。把每个国家每年的数值映射到对应的十分位组。
把数据整理成宽表（wide format）：一行一个国家，后面是一串按时间排的“十分位状态”，也就是国家的序列（sequence）。
这种做法体现的是：每个国家的排放都是相对于全球分布（global distribution）来评估的，从而既能做跨国比较，也能做 纵向（longitudinal） 的序列比较。
说明 在源笔记本里，我们同时实现了五分位（quintiles，5 组）和十分位（deciles，10 组）两种分类。 试下来我们选择了十分位（deciles） 做最终分析，因为它更细，能看出国家之间更微妙的差异。 你也可以在源笔记本里对比两种分组方式，看看不同粒度会如何影响你的解读。
👉 完整的预处理步骤与代码见： Gapminder CO₂ + GDP notebook
示例：巴基斯坦（Pakistan）的 CO₂ 分类
以下是 Pakistan 的分类示意：
| 年份 | 人均 CO₂（metric tons） | 十分位组 |
|---|---|---|
| 2015 | 0.78 | 第 2 十分位 |
| 2016 | 0.85 | 第 2 十分位 |
| 2017 | 0.92 | 第 2 十分位 |
| 2018 | 0.85 | 第 2 十分位 |
| 2019 | 0.85 | 第 2 十分位 |
因为这些年份里，巴基斯坦（Pakistan） 的人均 CO₂ 排放大多处在全球分布的第 10–20% 区间，所以都被分到第 2 十分位。
为什么用十分位而不是五分位？（Deciles vs. Quintiles）
如果用五分位（quintiles，5 组），上面这些年份里的 Pakistan 可能都会被粗略归为“偏低（Low，20–40%）”。 而换成十分位（deciles，10 组）后，粒度更细：我们能看出它具体在第 2 十分位，而不是第 1 或第 3。
这种更细的分辨率，能帮我们区分那些同属“低位”但并不一样低的国家，尤其在需要比较大量序列时，这点很重要。
数据整理与本文撰写：梁彧祺
中文翻译：明煜坤
校对：梁彧祺