公开历史数据有缺失，先标记再决定是否剔除

心语PC28数据整理

下载公开历史数据后，常会遇到日期断档、重复记录、字段为空或页面抓取失败。发现缺失时，最忌讳的是直接补一个“看起来合理”的值，因为这会让后续PC28图表显得完整，却悄悄改变统计结果。正确的起点是保留原文件，并建立缺失清单。

可以先按时间字段排序，为每条记录生成唯一编号，再检查编号或时间是否连续。对重复行，要区分真正重复与同一时间下的不同记录；对空值，则用NA、null等统一标记，不要同时混用空白、零和横线。零可能是有效数值，不能自动等同于缺失。

处理方式取决于分析目的。统计频次时，可剔除缺失行，但必须同时报告原始样本量、有效样本量和缺失比例；计算连续区间时，断档会破坏序列结构，宜把数据分成多个完整区段，而不是跨缺口连接。一般也不建议用均值或相邻值填补离散结果。

发布数据可视化时，可在横轴或注释中标出缺失区间，并说明缺失原因是否已确认。若后来找到补充来源，应记录来源地址、获取日期和修订前后差异。社区成员复查时，看到的不只是清洗后的成品，还能判断缺失是否可能造成选择偏差。