解释地下需要了解地质和岩石物理数据在整个地区的变化。这通常涉及处理测井测量结果和分散在该区域的解释属性，这导致了估计这些测量结果之间的值的挑战。
我们估计值（或填补空白）的一种方法是使用称为克里金法的地统计方法。该方法估计和推断观察到的测量之间的数据并预测未测量位置的值。
使用 Pykrige 的快速回顾
在使用 Plotly 之前，我们将快速回顾一下上一篇文章中使用的代码，以便您快速了解该过程。
第一步是导入我们需要的库。在这种情况下，我们需要pandas来加载 csv 数据，需要pykrige来执行数据点之间的插值，需要numpy来执行一些数学运算。
import pandas as pd
from pykrige import OrdinaryKriging
import numpy as np
df = pd.read_csv('Data/Xeek Force 2020/Xeek_2020_Balder_DTC_AVG.csv')
加载数据后，我们可以通过调用 pykrige 的OrdinaryKriging方法来执行克里格过程。
在此调用中，我们传入 x 和 y 数据，表示数据的纬度和经度。我们还需要传入我们想要推断的变量。在本例中，我们使用 Balder 地层的平均声学压缩慢度 (DTC) 值。
生成模型后，我们可以将其应用于覆盖油井位置的自定义纬度和经度范围。
OK = OrdinaryKriging(x=df['LON'],