第十四章 极值处理：切掉还是保留

最近翻看前几期攒下的加拿大数据，发现一个绕不开的细节：那些明显偏离常态的数值，到底该不该留在样本里。这事看起来小，真动手整理时却特别磨人。比如某一期加拿大28的开奖记录里，总和值是5，而前后二十期大多落在40到60之间。这个5像一根刺扎在序列里，切掉吧，觉得可惜，保留吧，又怕后面做加拿大28预测时被它带偏。我起初是两种都试，把两套结果并排放着看，时间久了才摸出一点自己的习惯。

先说切掉的理由。加拿大28这种玩法，每期从二十八个号码里取三个，理论上极值出现的概率本来就低，但低不等于不会来。我手头有一份跨度半年的PC28开奖记录，总共一百八十多期，总和值低于20的只有四期，高于80的也只有三期。如果目标只是看PC28走势的中间段，把这七个点剔掉，折线图立刻顺眼很多。整理时我会先在表格里给它们打上标记，不是直接删，而是单独存一列，方便回头核对。这样处理的好处是，计算移动平均或者看相邻期差值时，不会被一两个尖峰拽得忽上忽下，观察节奏更稳。

但保留也有保留的道理。那些极端值本身就是加拿大数据的一部分，它们记录了系统真实发生过的状态。有一回我把连续三十期的加拿大28按顺序排开，发现一个低值后面隔了两期又冒出一个低值，如果当初一刀切掉，这种成对出现的苗头就看不见了。后来我在整理加拿大数据时改用分层：主表保留全部开奖记录，另建一张表只放主体区间，两张表对照着看。做PC28走势的时候用主体表，做分布检验的时候用全表。这样既不会因为极值干扰日常观察，也不至于把真实发生过的信息丢掉。

具体到操作，我现在习惯分三步走。第一步，拿到一段PC28开奖记录，先算中位数和四分位距，用这两个数画一个大致范围。第二步，把落在范围外的点标出来，逐个看它的上下文，是孤立一个还是连着来。第三步，决定去留：孤立且与前后差异过大的，我在整理时放进备注栏；连着出现的，反而留在主表，因为它们可能提示某种阶段性的偏移。举个例子，有一组加拿大28数据里连续三期总和值都在25附近，单独看每期都算低，但连在一起就构成一个小段落，这时候切掉反而丢失了信息。

这里有个容易踩的坑，就是拿切完的数据去做加拿大28预测。我早期干过这事，把极值一删，算出来的均值比实际偏高，后来对着新一期的开奖数据一比，偏得离谱。从那以后我给自己立了个规矩：凡是要做加拿大28预测的，必须用完整序列，极值可以标注、可以单独讨论，但不能在源头抹掉。PC28走势图也一样，如果只画主体区间，图上看着干净，可一旦遇到连续极端值，走势的转折点就被藏起来了。整理的目的不是让图好看，是让自己对加拿大数据的脾气有更准的感觉。

所以切掉还是保留，我的答案偏向保留，但保留不等于混在一起用。把极端值当成一类特殊记录，单独归置，需要看整体分布时放回去，需要看日常波动时拿出来。这样处理加拿大数据，既尊重了开奖记录本身的完整，也让后续的整理有层次。加拿大28的序列里，极值出现的次数少，可每一次都在提醒我，规律之外还有例外，而例外本身也是规律的一部分。PC28开奖记录看得越多，越觉得该留的留、该标的标，比简单切掉更经得起回头翻看。