49图库历史补录：2003 至 2005 年补齐 147 期

2026 年 9 月 28 日，49图库完成 2003 至 2005 年的历史数据补录，新增 147 期有效记录，站点累计收录达到 1,284.6 万期。这批记录的期号原本为四位格式，补录时统一映射为六位，映射关系与原始值一并保留，可随时回溯。

早期数据缺口由来已久。2003 至 2005 年的记录在原始渠道中分散在多个页面，部分页面已下线，能获取到的完整记录只有 219 期，而按开奖频率推算应有 366 期，缺口 147 期。缺口导致早期年份的区间统计样本偏少，用 5,000 期窗口做长期对比时，2003 年的数据点会明显稀疏。

补录工作从 2026 年 7 月启动，方式是双源比对：以一份线上公开档案为主，一份离线归档的年度汇总为辅，两边都存在的记录才纳入候选，只有单边存在的记录进入人工核对队列。

四位期号如何映射为六位

早期期号形如“0312”，前两位是年份后两位，后两位是期序。映射规则为：补全世纪前缀得到 2003，期序不足三位左补零，最终得到 20030312 这样的六位期号。映射不是简单拼接，因为 2003 年有 3 期的期序超过 99，原始写法为“03101”，需要按三位期序解析。

为避免映射错误覆盖原始信息，每条记录的原始期号保存在独立字段中，检索时两种写法都能命中。补录的 147 期全部通过四项入库校验，其中 9 期因日期与前后记录间隔超过 7 天被挂起，人工确认系当年调整开奖安排后放行。

补录之后，同一个年份存在两种合法写法。索引里同时保存规范六位期号与原始四位写法，检索时两种输入都能命中，结果表上方会标注该期原始期号。这样老资料里的写法不需要改，新资料按六位记录，两边指向同一条数据，不会出现同一期被当成两期的情况。

补录最容易犯的错是把原始值覆盖掉。只要原始值还在，映射错了还能改回来；覆盖了就永远说不清当初是什么。—— 49图库数据工程负责人 陈立恒

补录后的统计变化

补录前后，2003 至 2005 年的有效记录数从 219 期增加到 366 期，增幅 67.1%。以 5,000 期窗口做号码频次统计时，最早年份的样本密度从每季度 18.3 期提升到 30.5 期，曲线前段的锯齿明显减少。

一个具体例子：号码 41 在补录前的 2003 年样本中只出现 11 次，补录后为 19 次，相对频次从 1.67% 变为 1.73%，更接近长期均值。这类变化不会改变结论方向，但会让早期数据更可用。

统计层面的变化不止样本密度。早期年份的尾数分布与区间分布因为样本变厚，曲线前段的抖动幅度下降，2003 年的四段区间占比与长期均值的偏差从 1.9 个百分点收窄到 1.1 个百分点。导出文件中新增原始期号列，方便对照纸质资料逐条核验。

双源比对是逐字段进行的。主档提供期号、日期与 7 个号码，离线汇总提供同样的字段，两份数据先各自归一化，再按字段比对。147 期里有 32 期存在字段差异，多数是号码顺序不同，少数是日期相差一天；差异清单交人工逐条判读，判读依据以原始渠道的存档页面为准。

还剩下的缺口与处理方式

仍有 11 期记录只有单源存在，且号码数量不足 7 个，按校验规则不能入库。这批记录会在关于页的说明中列出期号，标明“数据源不完整”，不参与任何统计。我们不会用推算或补位的方式生成号码，空缺就保持空缺。

对于需要完整序列的研究者，可以在导出时选择“包含缺口标记”，导出的每一行都会标注记录状态，便于在脚本里区分真实数据与空缺位。这样既保持了数据诚实，也不影响批量处理。

仍缺的 11 期没有用推算补位。这 11 期只有单源存在，且号码数量不足 7 个，按校验规则不能入库，期号清单列在关于页的说明中，标注“数据源不完整”。如果后续能取得可核实的原始材料，会按同一套规则重新校验后补入，不会因为凑数而放宽标准。

补录完成后重建了 2003 至 2005 三个年份分片，索引重建耗时 4 分钟。重建期间这三个年份的检索返回上一版索引，页面顶部标注“该年份索引更新中”，不影响读取。重建结束后新旧索引记录数一致，才切换生效。

缺 147 期的时候我们标缺 147 期，补上之后也不会说“历史数据已完整”。数据工作最怕的就是把不确定说成确定。—— 49图库数据校验组负责人 周敏

补录后的数据已全量上线，历史检索、走势图与导出口径同步更新。使用旧版离线包的使用者需要下载 v3.3.0 及以上版本才能看到新增的 147 期记录。下一轮补录计划覆盖 2006 至 2008 年的零星缺口，预计涉及 38 期。