PC28数据整理：从字段到口径

做数据整理的人常有一种错觉：字段选对了，事情就成了一半。真正动手才会发现，口径才是那块最难啃的骨头。拿PC28来说，同一组数字，按“期”统计和按“天”统计，结果能差出一截。我最初的PC28观察入门笔记里记过一笔：某天共产生1440条记录，若以自然日切分，跨零点的部分会被拦腰截断，导致前后两天的均值都失真。后来改成以固定起始点滚动24小时为一个窗口，数据才稳定下来。这算不上什么高深技巧，却是每个做PC28整理笔记的人迟早要撞上的一堵墙。

先说字段。一条记录通常包含时间戳、序号、三个数值和汇总值。看着简单，坑在时间戳的格式上。有的源给的是毫秒级整数，有的给的是带时区的字符串。我曾把两种混在一起导入表格，排序直接乱掉，前十条里有三条时间倒挂。解决方式不复杂：统一转成同一时区的ISO格式，再单独拉一列“原始时间”备查。这个习惯后来被我写进PC28整理笔记，成了每次开工前的固定动作。28点数据整理技巧里，头一条就是“先验时间，再验数值”，顺序反了，后面的清洗全是白费。

清洗完字段，下一步是定口径。什么叫“有效记录”？是三个数值都不为空，还是允许其中一个缺失、用均值补齐？两种口径下的样本量可能相差百分之五到百分之八。我做PC28复盘记录日志时，会同时跑两套口径，对比差异。比如某周有效记录按严格口径是982条，按宽松口径是1047条，多出来的65条集中在两个时段，查下去发现是采集程序那两天有短暂延迟，补录时格式没对齐。这类问题不靠肉眼看，得靠脚本定时扫。28点数据整理技巧的另一半，讲的就是怎么把口径差异变成可追踪的指标，而不是每次争论“到底算不算”。

整理笔记方法这件事，我摸索了挺久。早先喜欢按天写，后来发现复盘时跨天查证很麻烦，就改成按“问题”归档。比如“时间戳异常”一个文件，“口径分歧”一个文件，“字段缺失模式”一个文件。每个文件里只记三样：现象、影响范围、处理动作。半年下来，PC28观察入门笔记积累了四十多条，其中真正反复用到的不到十条。但这十条帮我省下的时间，远超过记录它们所花的功夫。PC28复盘记录日志也一样，不必求全，求的是下次遇到同类问题时能三分钟内定位到旧方案。

举个具体例子。上个月有批数据，汇总值和三个分项之和始终差1。查了两小时，最后发现是四舍五入的锅：分项各自保留两位小数，汇总值却按原始浮点数计算后再舍入，累积误差刚好凑成1。处理办法是统一在最终输出时做一次舍入，中间过程保留完整精度。这件事被我写进PC28整理笔记，标题就叫“差1的真相”。后来有同事遇到类似情况，翻到这条，十分钟解决。28点数据整理技巧里有一条是“先怀疑精度，再怀疑逻辑”，说的就是这个。很多看起来像逻辑错误的偏差，根源只是舍入方式不统一。

说到底，从字段到口径，是一条从“有什么”到“怎么算”的路。字段是原料，口径是配方。原料再好，配方不对，出来的东西也不能用。我现在的习惯是，每接手一批新数据，先花二十分钟写一份PC28观察入门笔记，只记三件事：字段清单、时间范围、初步口径假设。然后跑一个小样本验证，确认无误再全量处理。这套流程写进PC28复盘记录日志后，返工率大概降了七成。整理笔记方法没有标准答案，但有一条通用原则：让下一次的自己，能看懂这一次的自己。