第三章 字段设计：一列一世界

前几周把加拿大数据按时间线拖进表格里，看着密密麻麻的行，忽然意识到真正决定这张表好不好用的，不是采集了多少条，而是每一列到底在装什么。一列就是一个抽屉，抽屉里放错东西，整柜都跟着乱。比如开奖记录最常见的原始形态，往往是一行时间戳后面跟着一串数字，时间戳没拆开，直接塞进一列里，后面想按星期几看加拿大28的分布，就只能干瞪眼。所以整理的第一步，其实是把一列拆成几列，让每列只回答一个问题：这一列管日期，那一列管期号，再一列管具体的开奖数据。字段设计听起来像技术活，做起来更像给杂物分格。

拿加拿大28的开奖记录举例。典型一条记录包含期号、开奖时间、三个开奖号码，以及由这三个号码相加得到的和值。新手常常把“开奖时间”整串写成“2024-03-15 20:30:00”，看上去清楚，但一旦要统计每天哪个时段加拿大数据更集中，这列就没法直接算。我会把它拆成年、月、日、时、分五列，再单独留一列“星期”。拆完之后，同样一批加拿大28记录，能立刻拉出“周三晚八点档和值分布”这种切片。拆列这个动作，本身就是在给后面的观察铺路。

和值列是最容易被写错的一列。加拿大28的和值范围是零到二十七，听起来简单，但有人把和值直接写成文本，比如“十四”，有人写成“14”，还有人写成“14点”。三种写法混在一列里，排序和筛选全废。我通常统一成两位整数，不足补零，十四就写成14，不写单位。这样同一列里做PC28走势的频次统计时，COUNTIF不会漏掉任何一条。开奖记录里最怕的就是这种“看着一样、机器不认”的细节，整理到第三遍才会发现，问题不在数据量，而在字段格式没定死。

除了号码本身，我还习惯加几列“派生字段”。比如从和值里判出单双、大小，从三个号码里判出是否有重复号。这些列不来自原始开奖数据，而是算出来的，但它们的价值在于把PC28走势里肉眼要盯很久的模式，变成可以直接筛选的标签。举个具体例子：某个月的一千两百条加拿大28记录里，和值为十四的出现了四十七次，其中三十一次落在双数区间。如果只盯着原始和值看，这个对比要来回翻很久；有了“单双”这一列，一次筛选就能把范围缩到几十行。加拿大28预测这个话题常被说得玄乎，但回到字段层面，它不过是把历史记录切成更细的格子，再看格子里数字的疏密。

字段命名也值得单独说。我见过同一张表里既有“期号”又有“编号”，既有“时间”又有“日期”，填表的人自己都记不清哪列是哪个。整理加拿大数据时，我会把命名规则写在表头第一行注释里：期号统一叫issue，开奖时间统一叫draw_time，和值统一叫sum_value，三个号码分别叫n1、n2、n3。英文不是必须，但保持一列一个名字、一个名字只干一件事，比什么都重要。命名一乱，后面不管做加拿大28预测还是做简单的PC28走势对照，都要先花半小时认列，这半小时纯属浪费。

最后一步是留一列“备注”，但这一列我几乎不填内容，只用来标记异常。比如某条开奖记录的时间戳比前后两条早了整整一天，或者和值明显超出零到二十七的范围，就在备注里打个记号。这样整理时不用当场改数据，先标记，等整批加拿大数据过完一遍再回头核对。开奖数据里偶尔会有采集延迟或重复行，备注列就是给这些情况留的出口。一列一世界这句话，说的不是每列要多复杂，而是每列要有明确的边界：它装什么、不装什么，写表的人清楚，看表的人也清楚。字段设计做到这一步，后面的观察才有立足的地方。