用双色球历史数据练手：Excel与MySQL数据处理全流程实战-北京尧图网络

简介覆盖2003年2月23日至2025年4月15日的全部3287期双色球开奖记录每期包含期号、开奖日期、6个红球1–33与1个蓝球1–16等完整字段时间跨度超过22年。数据包面向彩票数据分析爱好者、Python开发者和自建预测模型的研究者Excel文件便于筛选排序、透视图表与快速预览MySQL结构化脚本可直接导入本地数据库支持批量查询、频次统计、冷热号追踪、连号及区间分布等深度分析场景。压缩包共5个文件以xlsx、sql和py为主附带的Python辅助脚本可帮助读取或预处理数据整体体积仅213KB轻量便捷。数据已按时间顺序连续整理无缺失、无重复适合各类分析工具和模型直接调用。目前已有1269人学习下载是一份颇具实用价值的历史数据素材。从2003年首次摇奖到2025年双色球这二十多年累计开出了3287期数据。整理这份数据起初是因为后台需要一套体量适中的结构化样本用来验证Excel透视表的处理能力顺便练练MySQL的批量导入和索引优化。结果一动手才发现真正的工作量不在导入而是预处理这一层源站抓回来的数据是夹杂着标签和空白的HTML片段直接贴进Excel会遭遇字段错位转成CSV又暴露编码和格式问题等到两边都能正常打开、字段对齐之后还得逐期核对期号连续性搜索历史数据中的近似重复。这个项目做下来我对数据从采集、清洗、存储到查询的全流程有了比看十遍教程都深的理解。这份数据本身不复杂每一期开奖就是6个红球1到33范围内取6个加1个蓝球1到16范围内取1个但正是这种结构单纯、体量适中、规律可循的特点让它成了一个非常理想的数据处理练习样本。不管你是刚开始学Excel函数还是正在练MySQL的建表和查询这套数据都能给你提供足够的操作空间。1. 数据范围与整体设计思路1.1 双色球数据的基本结构双色球每一期的开奖结果可以抽象成一条固定格式的记录期号、开奖日期、6个红球号码、1个蓝球号码。期号是唯一标识从2003年第一期开始编号一直顺延到2025年共3287条记录。这个量级不大不小——比课堂上的学生成绩表大得多又不需要上Hadoop对Excel和MySQL来说都在舒适区。设计字段时我遵循了一个原则只存原始事实不存计算结果。也就是说表格里只保存开奖号码这些基础信息至于奇偶比、大小号个数、号码和值这些衍生指标全部用公式或SQL实时计算。这样做的好处是数据不会冗余将来如果算法口径变了不需要回头改历史数据重跑一遍查询就行。原始HTML源里数据大概是这种结构一个div标签里套着一串p标签每个号码一个节点夹杂着换行和缩进。我在写脚本做清洗时主要做了四件事去掉标签、统一日期格式、把两位数的期号补零比如2025001这样的格式必须统一成6位否则排序会乱、筛掉重复抓取产生的脏记录。1.2 为什么同时输出Excel和MySQL两个版本整理成Excel格式是为了让不熟悉数据库的人也能直接打开使用生成MySQL版本则是为了满足查询分析和程序调用的需求。这两个版本我压测过很多场景结论很明确Excel适合交互式浏览、小规模筛选和可视化构图MySQL适合复杂条件查询、多表关联和自动化脚本调用。把同一份数据同时做成两个版本本身也是一道很好的一致性考题——导入完成后我先统计总行数再用两份数据做抽样比对确保Excel和MySQL里的期号、号码完全一致。这个环节看起来很基础但实际执行时极其容易出错后面第4部分我会专门说排查经验。图表之外我还额外导出了一套CSV中间文件字段分隔用英文逗号编码采用UTF-8。这个文件的价值在于给其他工具留了一个通用入口如果你不想用Excel也不想用MySQL拿这个CSV直接喂给Python的pandas也能干活。很多朋友问我为什么非要绕一道CSV直接给Excel文件不够方便吗原因是Excel的xlsx格式是个压缩包读起来还得依赖库而CSV是纯文本任何脚本语言都能处理通用性上一个台阶。2. Excel版数据文件的制作与实操细节2.1 字段顺序与单元格格式设计Excel版本的表格我使用了这样一套列设计从A到I列依次是期号、开奖日期、红1、红2、红3、红4、红5、红6、蓝球。这里有一个非常容易踩的坑期号和号码一定要设成文本格式不能是常规或数值。原因是期号如2025001如果存成数值格式前面的2025会被保留但末尾的001会变成1期号就会显示成20251直接破坏唯一性。我最开始导入时就吃过这个亏打开Excel发现最后一百期全部对不上号排查了半天才意识到是格式问题。设置方法是在建立表格前先把对应列选中右键设置为文本格式之后再粘贴或导入数据。如果你已经在常规格式下粘贴进去了也不要慌可以用分列功能补救选中该列数据标签页里点分列向导第三步把列类型改成文本点完成数据就回来了。红球和蓝球号码区域我顺手加了一层条件格式红球列用暖色填充蓝球列用冷色填充。这不只是为了好看实际筛选数据的时候视觉上能更快定位到某一列的范围尤其是滚动到第2000期以后表格变长这个区分度能节省不少扫视时间。2.2 用函数做号码统计数据到手之后大部分人第一件事就是统计每个红球号码出现的次数。这个场景在Excel里面最常用的函数组合是COUNTIF。假设号码范围在D列到I列你想统计红球01在整个历史数据里出现了多少次可以先用辅助列把所有红球合并成单个值列表再用条件计数。比如把每个单元格单独拆出来COUNTIF($D$2:$I$3288, 01)这个公式会统计01在全部红球区域出现的次数。这里要提醒一个细节数字1和文本01在COUNTIF里会被当成不同内容所以号码列必须是统一的文本格式否则统计结果会偏小。我通常的做法是先在旁边做一个号码映射表从01到33然后对每个号码跑一次COUNTIF得到一张频率表再用柱状图展示。如果要用数据透视表来做同样可行把所有红球号码合并到一列给这列起个字段名叫号码在旁边再放一个标记字段叫类型全部填红球选中这两列插入透视表把号码拖到行区域把号码再拖到值区域并修改值字段设置为计数一分钟就能得到分布结果。相比写公式透视表胜在不需要维护长长的公式列而且数据刷新之后右键刷新就能重算。2.3 日期筛选与数据验证Excel版还有一个实用的功能是利用日期列做时间切片。比如你想看近一年的号码趋势可以选中日期列在数据选项卡里点击筛选然后按日期范围筛选。这一步操作简单但对Excel新手来说最常见的困惑是筛选出的行号不连续导致公式计算范围错误。解决方法是把数据区域定义成正式表格也就是按CtrlT转成表格对象之后写公式和透视表都引用表格名而不是固定单元格区间这样筛选后统计范围依然正确。我还加了一项数据验证来提高可用性选中红球列区域在数据验证里设置允许为自定义公式填AND(D21, D233)。这样的话如果后续有人往表格里录入数据填了个35单元格会直接报错防止无效数据混入。3. MySQL版本的数据建表与导入实践3.1 表结构设计MySQL版本的建表语句我做了比较充分的考虑。字段类型的选择上号码用TINYINT就够范围是1到33完全落在无符号TINYINT可表示范围内0到255没必要用INT占4个字节。期号需要字符串类型因为保留前导零是必要的用VARCHAR(10)合适。开奖日期用DATE类型方便后续做日期函数运算。CREATE TABLE ssq_history ( id INT UNSIGNED AUTO_INCREMENT PRIMARY KEY, issue_no VARCHAR(10) NOT NULL COMMENT 期号, draw_date DATE NOT NULL COMMENT 开奖日期, red1 TINYINT UNSIGNED NOT NULL, red2 TINYINT UNSIGNED NOT NULL, red3 TINYINT UNSIGNED NOT NULL, red4 TINYINT UNSIGNED NOT NULL, red5 TINYINT UNSIGNED NOT NULL, red6 TINYINT UNSIGNED NOT NULL, blue TINYINT UNSIGNED NOT NULL, UNIQUE KEY uk_issue (issue_no) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;这里有几个值得解释的点。第一期号字段加唯一索引是必须的防止重复导入。第二我故意没有添加total_sum、odd_even这类衍生字段而是在查询时用表达式即时计算这样表结构更简洁后续如果算法定义变化不需要重建表。第三引擎用InnoDB虽然数据量不大但InnoDB支持事务和行级锁安全性更好。3.2 数据导入的两种方式第一种方式是使用LOAD DATA LOCAL INFILE从CSV文件批量导入速度最快。假设你已经有了前面提到的UTF-8编码CSV文件LOAD DATA LOCAL INFILE D:/data/ssq_history.csv INTO TABLE ssq_history FIELDS TERMINATED BY , OPTIONALLY ENCLOSED BY LINES TERMINATED BY \n IGNORE 1 LINES (issue_no, draw_date, red1, red2, red3, red4, red5, red6, blue) SET red1 LPAD(red1, 2, 0), red2 LPAD(red2, 2, 0), red3 LPAD(red3, 2, 0), red4 LPAD(red4, 2, 0), red5 LPAD(red5, 2, 0), red6 LPAD(red6, 2, 0), blue LPAD(blue, 2, 0);等等这里有一个细节要注意。号码字段类型是整数所以不能直接插入字符串01实际上LOAD DATA会自动把01转成1存进去所以不需要LPAD操作。这个写法反而会报类型不匹配的错误。实际执行时直接对应字段即可整数字段会自动处理前导零LOAD DATA LOCAL INFILE D:/data/ssq_history.csv INTO TABLE ssq_history FIELDS TERMINATED BY , OPTIONALLY ENCLOSED BY LINES TERMINATED BY \n IGNORE 1 LINES (issue_no, draw_date, red1, red2, red3, red4, red5, red6, blue);把02读入TINYINT字段时MySQL会把它转成数值2并去掉前导零。这正是我们需要的存储方式。查询时如果想按两位格式展示用LPAD(red1, 2, 0)实时处理即可。第二种方式是使用客户端工具如Navicat、MySQL Workbench直接把Excel文件导入。这种方式对不熟悉SQL命令的朋友更友好但有一个潜在问题Excel里如果有合并单元格或表头复杂导入会失败。我的建议是导入前先在Excel里把数据整理成标准的一维表表头只保留一行所有列都是原始值不要有任何合并单元格。3.3 常用查询用例导入完成后我整理了三个最常见的查询需求查询某期完整开奖、统计蓝球出现次数、计算每个红球的总出现次数。下面给出前两个示例查询某一期开奖SELECT * FROM ssq_history WHERE issue_no 2025050;统计蓝球出现频次并排序SELECT blue, COUNT(*) AS cnt FROM ssq_history GROUP BY blue ORDER BY cnt DESC, blue ASC;这个红球频率查询虽然SQL也简单但实际使用时要注意如果直接对red1到red6做六次COUNT再相加会很啰嗦。推荐用UNION ALL把六个列纵向合并成一行值再统一分组SELECT num, COUNT(*) AS freq FROM ( SELECT red1 AS num FROM ssq_history UNION ALL SELECT red2 FROM ssq_history UNION ALL SELECT red3 FROM ssq_history UNION ALL SELECT red4 FROM ssq_history UNION ALL SELECT red5 FROM ssq_history UNION ALL SELECT red6 FROM ssq_history ) t GROUP BY num ORDER BY freq DESC;这段查询用子查询把6个红球列拆成了6倍行数的长表再做聚合。虽然在这个数据量下性能差别不大但对于理解宽表转长表再聚合的思路非常有帮助这也是MySQL数据分析常用的套路。数据导入后我建了三个索引期号唯一索引、开奖日期普通索引、蓝球普通索引。期号索引前面建表时已经包含日期索引是为了按时间范围查询更快蓝球索引则为按蓝球号码分类统计加速。虽然3287行数据量不大无索引也能秒查但养成合理建索引的习惯是以后面对更大数据时必须具备的素养。4. 数据正确性验证与常见问题排查4.1 数据完整性校验数据如果不可信后续一切分析都没有意义所以我设计了一套验证流程。第一步是验证总行数确认Excel数据行数为3287行MySQL中SELECT COUNT(*) FROM ssq_history返回3287。第二步验证连续性期号应该从2003001开始以后每隔一段增加一个固定数值。用SQL可以这样查缺失期号SELECT a.issue_no 1 AS missing_start FROM ssq_history a LEFT JOIN ssq_history b ON a.issue_no 1 b.issue_no WHERE b.issue_no IS NULL;这里用了自连接把每期和它的下一期做匹配如果某期后面没有紧邻的下一期说明期号不连续。注意期号是字符串直接加1需要转成整数再操作CAST(a.issue_no AS UNSIGNED) 1。实际查询时要写完整。第三步是字段范围验证。红球号码范围应在1到33之间蓝球号码在1到16之间。检查语句SELECT COUNT(*) FROM ssq_history WHERE red1 NOT BETWEEN 1 AND 33 OR red2 NOT BETWEEN 1 AND 33 OR blue NOT BETWEEN 1 AND 16;如果这个查询返回0说明号码都在合法范围。对于Excel版我用的是条件格式加筛选选中号码列用不等于的自定义筛选填上0看是否还有可见行。最后一步是交叉抽样。我在Excel里随机抽了20行记录去源网站核对开奖号码同时在MySQL里再查同样的期号做比对。三份数据一致我才确认这份数据可用。4.2 实际操作中踩过的坑第一个坑是CSV文件编码问题。第一次导出的CSV没有显式指定UTF-8用Excel双击打开后中文日期标题全部变成乱码。解决方法是使用UTF-8 BOM编码导出或者在导入MySQL时间指定字符集。Excel对UTF-8无BOM的支持一直不友好这是它自己的历史遗留问题不是数据本身的错但处理时要主动规避。第二个坑是期号前导零丢失。这个问题在CSV转Excel时尤其高发因为Excel默认把数字字符串按数值处理。我一个同事帮我校验数据时直接把期号列设成常规格式粘贴结果2025001变成了2025001吗不对是变成2025001还在实际是2025001被显示成2025001看着好像没丢但如果你把它复制到文本编辑器里会看到科学计数法或者截断。更常见的丢零场景是2003001变成2003001也还好但2003008这类含0的尾号如果被转成数值再转回文本末尾的0可能就没了。第三个坑是MySQL导入时外键或唯一键冲突。因为是重复导入了两次第二次导入时期号唯一索引直接报错。解决方案是导入前先TRUNCATE表或者使用INSERT IGNORE跳过重复值。我的习惯是建一个原始数据临时表清洗校验无误后再用INSERT ... SELECT灌入正式表这样不会误伤已有数据。第四个坑是Excel“文本”列被自动转成数字。具体表现在号码颜色列出现绿色的小三角这是Excel的数字以文本形式存储提示。这个问题本身不致命但如果后续要使用VLOOKUP文本格式和数值格式匹配不上会导致查询失败。解决方法是把那列全部选中用分列功能转成真正的文本格式或统一转成数值。4.3 排查思路的顺序分享这里想多说一句排查的心法。数据出问题时不要急着改数据先判断是源数据错了、导入过程错了、还是查询语句错了。我的排查顺序是先看原始文件CSV或Excel里的值对不对再看数据库里的值对不对最后才看查询语句返回的结果对不对。如果原始文件正确而数据库不对问题一定在导入环节如果数据库正确但查询结果不对问题才在查询语句。这套顺序看起来简单但能帮你省下大量时间。我见过太多人一上来就怀疑SQL写错反复修改查询条件结果最后发现是数据导入时字段错位了一列。5. 基于这份数据可以做的延伸分析5.1 号码分布与频率可视化数据准备妥当后可以做的最基础分析是历史红球和蓝球出现频次分布。用MySQL跑出频率统计导出到Excel画柱状图几分钟就能完成。我做完之后发现几个有趣的现象蓝球号码虽然理论上是等概率的但历史样本中某些号码的出现次数会比均值高一些也有个别号码偏低。这种波动完全是随机性在有限样本里的正常表现不构成任何规律。我自己更喜欢做的是奇偶比例和大小号比例的统计分析。双色球每期红球包含6个数字可以算出奇偶比奇数个数比偶数个数也可以按1到16为小号、17到33为大号来统计大小比。这串字段在原始数据里没有但我用SQL可以一次性生成SELECT issue_no, red1red2red3red4red5red6 AS total_sum, (red1%2)(red2%2)(red3%2)(red4%2)(red5%2)(red6%2) AS odd_cnt, 6 - (red1%2 red2%2 red3%2 red4%2 red5%2 red6%2) AS even_cnt FROM ssq_history;这类派生指标对Excel用户同样友好把原始列导入Excel后新增两列写公式即可。算完之后用数据透视表统计奇偶比组合出现过多少期你会发现某些组合出现的期数明显多于其他组合——这在大量样本里是正常的概率密度分布不代表下期会继续沿袭这个分布。5.2 走势图与趋势观察接下来可以按时间维度做走势图。用日期列做横轴、某个红球号码做纵轴画出它的历史出现时间线再叠加一个简单的移动平均线观察密集区间。Excel里做这种趋势叠加图很方便把两列数据选中插入散点图加趋势线即可。这里必须强调一点所有历史数据趋势都只是在描述过去发生过什么不是未来会发生什么。如果你想抱着预测的心态来学数据分析我建议换一个数据集因为开奖过程是独立随机事件历史频率对下一次开奖没有任何影响。我整理这套数据的初衷是给数据分析爱好者提供一个练手样本用来熟悉Excel函数、透视表、SQL查询、数据可视化这些基本功而不是用来做预测。把预期摆正这份数据会是个特别趁手的工具。5.3 数据集后续如何扩展这套数据集还有不少可以扩展的方向。比如你可以在MySQL里增加两张关联表一张记录用户录入的每期投注号码另一张记录号码命中情况通过关联查询实现历史命中回溯功能。再比如你在学Python数据分析时可以直接读取CSV文件用pandas做更复杂的分布检验和可视化。如果你在练习API开发也可以基于MySQL表写一个查询接口返回指定期号的JSON格式数据。我见过不少学习者把这类数据当作第一个完整项目的种子数据后端、前端、数据库全都围绕它来练效果很好。关键不在于数据本身有多值钱而在于数据结构足够简单让你可以把精力放在工具链和流程上而不是消耗在理解业务规则上。6. 一些整理数据的小经验最后分享几点我在这个项目里沉淀下来的通用经验不限彩票数据做什么数据整理项目都能用上。第一先定格式、再做清洗。在动手抓数据之前先明确最终要交付什么字段、什么类型、什么编码后面每一步都向这个标准看齐可以省掉很多返工。第二版本管理不可忽视。清洗过程中会产生多个中间文件建议文件名里带上日期或版本号比如ssq_raw_20250601.csv、ssq_clean_v1.0.xlsx这样后面复盘才知道每一步做了什么。第三在源头加校验。导入数据库之后永远先在目标环境做一次总行数、去重数、范围检查再开始分析。不要相信我刚才导出的时候是对的这种话——导入过程中字段错位、换行符差异、编码转换这类问题比你想象中常见得多。如果你手里正好有类似看起来简单但数据量不小的整理需求不管是传感器数据、商品记录还是订单流水这套流程完全可以套用。核心思路就一句话源数据、中间过程、最终结果三层都要可见、可查、可回溯。把这一条做扎实了数据质量自然就稳了。本文还有配套的精品资源点击获取

用双色球历史数据练手：Excel与MySQL数据处理全流程实战

相关推荐

原创职业与摸金循环：RPG服务器如何从“欢迎你”做到“留得住”

LangGraph多智能体编排实战：从条件路由到Supervisor主管系统

大语言模型语言多样性萎缩：从Tokenizer效率到多语言工程应对

更多资讯

把一段文案变成数字人讲解视频：我开源了一个完整的数字人内容管理平台

SiemensPLC案例-自动小车（SCL）

RAG技术全流程解析：小白程序员轻松入门大模型（收藏版）

不想让别人改你的Word文档？用这两个方法锁住

d1a-e2b-it-qat-4bit的MLX 4-bit逐比特移植原理：276个int4层如何实现0.0反量化误差

国产AI写歌三巨头正面刚：开源YuE2、抖音、MiniMax到底谁更值得玩？

今日更新

淘宝商品详情API开发实战与性能优化指南

Unity Package Manager刷新错误排查与解决方案

Java record 规范构造器能否被反序列化或反射绕过

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？