Python 解释skgstat变异函数图

我试图用变异函数来理解我正在处理的一些空间数据，但当我绘制这些数据及其分布时，我很难解释部分结果。请跟我说！我会给你一个例子，伴随的情节，并在这里提问

示例代码

import numpy as np
import skgstat as skg

coordinates = np.random.rand(10)*10
values = np.random.rand(10)*10
 
V = skg.Variogram(coordinates=coordinates, values=values,n_lags=5)
print(V)
V.plot()

输出

spherical Variogram
-------------------
Estimator:         matheron
Effective Range:   2.33
Sill:              10.72
Nugget:            0.00

我了解门槛/金块/估值器等，但我对这些东西感到困惑：

基本上-我有10个随机值作为我的坐标。为什么附带的直方图总和显示了30多个样本？这些代表什么

滞后是否一定代表等效的X值

---

我已经意识到我在直方图中解释了什么

N不一定表示样本数，而是表示以下所示的对数：

npairs = n(n-1)/2. 

这与直方图中可用的点数量相同