频数
COUNT适合回答某个分类在已定义样本里出现了多少次。离开总样本量，单独的次数很难用于跨组比较。
足球盘口数据统计 · 方法页
先裁定样本，
再谈数据说明了什么
足球盘口数据统计并不是把历史记录堆在一起求一个比例。真正决定分析质量的，往往是计算之前的工作：字段如何定义、观察时间点是否一致、哪些比赛可以进入同一组，以及缺失与异常怎样保留在记录里。
研究问题
一项比较必须先回答：“比较的是谁、在哪个时间点、使用什么盘口口径、覆盖哪段资料？”边界没有锁定，后面的频数与比例就可能只是表面精确。
字段对齐台 / SAMPLE SCHEMA
同列必须同义
FIELD 01
赛事
范围与层级
FIELD 02
日期
赛季与阶段
FIELD 03
盘口类型
让球或大小球
FIELD 04
观察点
初始或临场
FIELD 05—06
数值与方向
保留原始记录，不用含义模糊的“高”“低”替代
FIELD 07
比分
赛果记录
FIELD 08
备注
缺失与异常
01 / DATA DICTIONARY
先让每一列只表达一件事
字段字典不是附属说明，而是数据表的语法。它规定一列记录什么、不记录什么，也规定空值、转换值和派生值如何区分。多人整理资料时，字典还是避免“同名不同义”的共同参照。
字段
记录内容
口径问题
字段性质
01
赛事与赛季
记录内容
赛事名称、赛季标识与必要的组别
口径问题
名称应统一；跨级别赛事不应只用总赛事名覆盖差异。
样本边界
02
比赛日期
记录内容
比赛发生日期及资料所采用的时区
口径问题
跨地区资料先统一时间标准，避免日期错位影响阶段划分。
原始字段
03
比赛阶段
记录内容
常规阶段、淘汰阶段或其他明确阶段
口径问题
阶段名称来自统一规则，不凭比赛重要程度主观归类。
分类字段
04
盘口类型
记录内容
让球、大小球及其细分类别
口径问题
不同市场含义不同，不应放进同一数值列直接比较。
分类字段
05
初始数值
记录内容
资料口径下首次可用的盘口记录
口径问题
“首次可用”不一定等于所有来源的同一发布时间。
时间截面
06
临场数值
记录内容
预先定义的赛前观察点所见记录
口径问题
需写明距离开赛的观察规则，不能事后挑选最显著时点。
时间截面
07
比分与阶段结果
记录内容
全场或指定阶段的进球记录
口径问题
全场、半场与加时记录必须分列，避免结果定义混合。
结果字段
08
缺失与异常备注
记录内容
缺失原因、格式异常、重复记录及处理动作
口径问题
不应用普通数值替代缺失；排除动作必须可追溯。
审计字段
原始值
尽量保存资料最初呈现的内容。清洗后的标准值另设字段，避免覆盖来源痕迹。
派生值
由原始字段计算而来，例如分组标签。计算规则应固定，并能回到原记录复核。
解释值
研究者对记录作出的分类或判断。它不应伪装成原始事实，也不宜替代备注。
02 / SAMPLE CUTTER
样本不是越大越好，而是边界要能解释
把不同赛事、不同赛季和不同观察时点混合，确实可以得到更多记录，却可能让比较对象失去一致性。样本设计的目标不是追求一个看起来庞大的总量，而是让每一条记录都能回答同一个研究问题。
交互式样本裁切器
边界先于计算
以下选项用于演示研究边界的组合方式，不生成统计结论。
当前研究口径句
观察 ， 按组织资料， 对进行处理， 并采用。
这句话应写在计算表之前。若任一选项发生变化，原有比例就需要重新确认可比性，而不能沿用旧标签继续追加数据。
STEP 1
写出问题
明确要描述分布、比较组别，还是观察某种变化。不同问题需要不同字段。
STEP 2
固定纳入规则
在查看结果前确定赛事、赛季、阶段、时间窗口与排除条件，降低事后挑选。
STEP 3
保留组别标签
确需合并时仍保留来源组别，使整体分布能够拆回各子样本检查。
STEP 4
记录排除原因
缺失、重复或定义冲突应分别编码，不能只留下清洗后的整洁表格。
03 / DISTRIBUTION READING
统计量回答不同问题，不能互相代替
频数告诉我们某类记录出现了多少次；比例把频数放回样本规模中；分布展示各档位如何展开；分组比较则检查这种展开方式在不同样本中是否一致。它们能够描述资料，却不会自动解释形成原因，更不能把同时出现写成确定因果。
比例
SHARE适合观察一类记录在本组中的相对位置。分母、缺失处理和分组方式必须与比例相邻呈现。
分布
DISTRIBUTION适合查看记录集中在哪些档位、是否偏向某一区间，以及少见值位于何处。分组宽度会改变外观。
分组比较
COMPARE适合检查不同赛事、赛季或阶段的差异。前提是字段意义、时间截面与分类规则保持一致。
描述 → 对照 → 解释边界
即使两组分布不同，也只能先表述为“在当前样本与口径下观察到差异”。要解释原因，还需要赛事情境、规则与其他变量的支持。
先看分母，再读百分比
相同的比例可能来自不同规模的样本。小组别中的少量变化就可能带来明显波动，因此比例旁应显示有效记录数与缺失数。
先看整体，再拆子组
整体分布可能掩盖赛事或阶段差异。拆分后若方向改变，不应只保留更醒目的那一层，而要说明聚合方式如何影响观察。
先保留异常，再决定处理
极端值可能来自录入错误，也可能是有效记录。应先回查来源与字段规则，再决定修正、排除或单独标记。
04 / COMPARISON TEMPLATE
赛事对比模板
对比表的价值不在于迅速排出高低，而在于强迫两组资料接受同一套问题。只有字段、观察点和计算方式先对齐，组间差异才具备可读性。
模板可以复用于不同研究问题，但每次都应重新填写口径，不能把上一项研究的边界视为默认条件。
对齐项目
赛事组 A
赛事组 B
研究范围
写明赛事、赛季与阶段
使用相同层级的范围描述
字段版本
列出采用的字段字典版本
确认字段名称与含义一致
盘口类型
限定所研究的盘口类别
不得用另一类别直接补位
观察时间
定义初始或固定赛前时点
采用相同的时间截面规则
有效样本量
记录纳入、缺失与排除数量
按同一缺失规则统计
分组方式
写明档位边界与合并规则
使用相同区间与标签
异常记录
逐条保留原因和处理动作
同类异常采用相同处理
结论句式
描述当前样本中的分布
避免将差异写成固定特征
推荐的结论结构
在已说明的赛事范围与统一观察时间下，组 A 与组 B 在某项分布上呈现差异；该观察受有效样本量、缺失记录和异常处理影响，只用于描述当前资料，不能单独证明赛事属性造成了差异。
统一字段
两组中同名字段必须具有相同定义、单位和缺失编码。
统一时点
不能用一组初始记录与另一组临场记录直接比较。
样本量与异常相邻
任何比例和分布结论旁，都应能找到有效记录数、缺失数量以及异常处理说明。
05 / LIMIT NOTES
把限制写在结论旁，而不是藏到最后
数据统计的可信度不仅来自计算是否正确，也来自限制是否透明。资料缺失、来源差异、小样本与口径变化不会因为表格整齐而消失。它们应当参与结论的措辞，决定哪些话可以说、哪些比较需要暂缓。
数据缺失
缺失若集中在某一赛事、赛季或时间段，剩余样本可能不再代表原本计划观察的范围。不能只报告“删除缺失值”，还应说明缺失出现在哪里，以及删除后各组规模如何变化。
可采用的限制句：部分记录缺少统一观察点，相关分布仅基于有效资料。
来源差异
不同资料来源可能采用不同更新时间、命名方式和数值表达。即便字段看起来相同，也要核对其生成过程。无法确认一致性时，宜分来源呈现，而不是先合并再用统一标签覆盖。
可采用的限制句：来源记录时点可能不同，跨来源变化仅作描述性参考。
小样本波动
样本较小时，少数记录就可能显著改变比例或分布外观。与其用肯定语气概括组别特征，不如呈现原始频数、有效样本量与变化范围，并等待更多同口径资料。
可采用的限制句：当前组别记录有限，观察结果不宜外推至更广范围。
规则口径变化
赛事制度、资料分类或记录规则发生变化时，同一字段名可能已不再对应同一条件。跨时期研究应寻找可比区间，必要时建立版本字段，并把变更前后分开统计。
可采用的限制句：研究期内存在口径调整，因此分时期展示，不直接汇总为单一比例。
方法收束 / FROM TABLE TO CLAIM
一份可复核的统计，不是从结论向后寻找数据，而是从字段、样本和限制一步步走到结论。
当口径变化时，结论也应随之收窄；当资料不足时，保留“不确定”比填补一个漂亮比例更有价值。这样的记录方式未必给出最快的答案，却能建立可重复、可讨论、可修正的足球盘口数据分析方法。
返回字段字典重新校准