fix: 修复历史数据Excel格式兼容问题 + 完善开发文档

核心修复: - lottery.py: load_history_data() 添加多格式Excel检测逻辑支持格式A(双行header: 新列名+旧列名) 和格式B(标准列名) - lottery.py: parse_numbers() 新增拼接字符串(14位无分隔符)直接解析避免 re.findall 将整个号码串视为单个数字的问题 - app.py: load_history_dataframe() 同步修复多格式兼容逻辑新增: - docs/开发文档-双色球WebUI-v1.0.md: 完整开发文档 - deploy/backup.sh: 备份脚本测试结果: - 120条历史数据全部正确解析 - 号码生成API正常工作 - 全部API接口测试通过 Issue: BIZ-75
2026-07-03 23:05:58 +08:00
parent cf4b5764b5
commit 5d5e77000e
4 changed files with 437 additions and 34 deletions
@@ -109,38 +109,66 @@ def add_record(strategy, num_tickets, filename):
 HISTORY_COLUMNS = ['开奖时间', '期数', '号码', '开机号', '和值特征', '奇偶比', '大小比', '奇偶形态', '跨度', '其他']

 def load_history_dataframe():
-    """智能加载历史数据 Excel，兼容新旧两种格式。
+    """智能加载历史数据 Excel，兼容多种格式。

-    新格式 (fetch_data.py 修复后): 第一行是标准列名，数据从第二行开始。
-    旧格式 (修复前): 两行 header，第一行英文列名，第二行中文描述行。
-
-    返回的 DataFrame 统一使用标准列名，数据已跳过所有 header 行。
+    格式A（fetch_data.py 当前输出）:
+      Row0=新列名(期号|开奖日期|红球1...|蓝球|特别号)
+      Row1=旧列名(开奖时间|期数|号码|开机号|...)
+      Row2+=实际数据
+    格式B（标准格式）:
+      Row0=列名(开奖时间|期数|号码|开机号|...)
+      Row1+=数据
    """
    import pandas as pd
-    df = pd.read_excel(CONFIG['history_file'], header=None)
+    raw_df = pd.read_excel(CONFIG['history_file'], header=None)

-    # 检测第一行是否包含标准列名
-    first_row = df.iloc[0].astype(str).tolist()
-    is_standard_header = any(col in first_row for col in ['开奖时间', '期数', '号码'])
+    row0_vals = raw_df.iloc[0].astype(str).tolist() if len(raw_df) > 0 else []
+    row1_vals = raw_df.iloc[1].astype(str).tolist() if len(raw_df) > 1 else []

-    if is_standard_header:
-        # 新格式: 第一行是标准列名，直接使用
-        data_df = df.iloc[1:].copy()
+    has_legacy_in_row0 = any(col in row0_vals for col in ['开奖时间', '期数', '号码'])
+    has_legacy_in_row1 = any(col in row1_vals for col in ['开奖时间', '期数', '号码'])
+    has_new_cols_in_row0 = any(col in row0_vals for col in ['期号', '开奖日期', '红球 1'])
+
+    if has_new_cols_in_row0 and has_legacy_in_row1:
+        # 格式A：跳过 Row0(新列名) 和 Row1(旧列名)，用旧列名，数据从 Row2 开始
+        data_df = raw_df.iloc[2:].copy()
+        num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
+        data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
+    elif has_legacy_in_row0:
+        # 格式B：Row0 就是标准列名
+        data_df = raw_df.iloc[1:].copy()
        num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
        data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
    else:
-        # 旧格式: 检查是否有两行 header
-        second_row = df.iloc[1].astype(str).tolist() if len(df) > 1 else []
-        has_second_header = any(col in second_row for col in ['开奖时间', '期数', '号码'])
-
-        if has_second_header:
-            # 两行 header，跳过前两行
-            data_df = df.iloc[2:].copy()
+        # 尝试默认读取
+        df = pd.read_excel(CONFIG['history_file'])
+        if '号码' not in df.columns and any(c in df.columns for c in ['红球 1', '红球1']):
+            # 分列格式，需要构建号码列
+            data_df = df.copy()
+            red_cols = [f'红球 {i}' for i in range(1, 7)]
+            if not all(c in data_df.columns for c in red_cols):
+                red_cols = [f'红球{i}' for i in range(1, 7)]
+            if all(c in data_df.columns for c in red_cols) and '蓝球' in data_df.columns:
+                def build_num(row):
+                    parts = []
+                    for c in red_cols:
+                        val = row.get(c)
+                        if pd.isna(val):
+                            return None
+                        s = str(int(val)) if isinstance(val, (int, float)) else str(val).strip()
+                        parts.append(s.zfill(2))
+                    blue_val = row.get('蓝球')
+                    if pd.isna(blue_val):
+                        return None
+                    blue_s = str(int(blue_val)) if isinstance(blue_val, (int, float)) else str(blue_val).strip()
+                    return ''.join(parts) + blue_s.zfill(2)
+                data_df['号码'] = data_df.apply(build_num, axis=1)
        else:
-            # 只有一行 header，跳过第一行
-            data_df = df.iloc[1:].copy()
+            data_df = df

        num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
+        # 如果列名不匹配标准，重命名
+        if not any(c in data_df.columns for c in HISTORY_COLUMNS[:3]):
            data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]

    data_df = data_df.reset_index(drop=True)
@@ -0,0 +1,17 @@
+#!/bin/bash
+# 双色球数据备份脚本 — 每日凌晨 3:00 执行（抓取完成后 30min）
+BACKUP_DIR="/home/vincent/backups/lotto"
+SOURCE_DIR="/home/vincent/Studio/lottoData"
+RETENTION_DAYS=30
+
+mkdir -p "$BACKUP_DIR"
+
+DATE=$(date +%Y%m%d)
+cp "$SOURCE_DIR/双色球历史数据.xlsx" "$BACKUP_DIR/history_${DATE}.xlsx" 2>/dev/null
+cp "$SOURCE_DIR/.generation_records.json" "$BACKUP_DIR/records_${DATE}.json" 2>/dev/null
+
+# 保留最近 30 天
+find "$BACKUP_DIR" -name 'history_*.xlsx' -mtime +${RETENTION_DAYS} -delete 2>/dev/null
+find "$BACKUP_DIR" -name 'records_*.json' -mtime +${RETENTION_DAYS} -delete 2>/dev/null
+
+echo "$(date '+%Y-%m-%d %H:%M:%S') backup complete"
@@ -0,0 +1,214 @@
+# 开发文档：双色球 Web UI 系统
+
+**版本**: v1.0  
+**开发人员**: 徐聪（costcodev）  
+**日期**: 2026-07-03  
+**Issue**: BIZ-75  
+
+---
+
+## 1. 项目概述
+
+双色球自动化系统 Web UI，提供号码生成、历史数据查看、生成记录管理和统计分析功能。支持 PC 端和移动端响应式访问，监听 0.0.0.0:8085，局域网可访问。
+
+## 2. 技术栈
+
+| 层级 | 技术 | 说明 |
+|------|------|------|
+| 后端 | Python 3 + Flask | REST API 服务 |
+| 前端 | 原生 HTML/CSS/JS | 单文件，响应式布局 |
+| 数据分析 | Pandas + NumPy | 号码统计分析 |
+| 数据存储 | Excel + JSON | 历史数据 + 生成记录 |
+| 部署 | systemd / nohup | Linux 服务部署 |
+
+## 3. 目录结构
+
+```
+lottoData/
+├── app.py                    # Flask 主服务（统一入口）
+├── index.html                # 前端 UI（响应式，4 Tab 页面）
+├── lottery.py                # 号码生成核心逻辑
+├── fetch_data.py             # 历史数据抓取脚本
+├── web_console.html          # 数据抓取控制台前端
+├── requirements.txt          # Python 依赖
+├── 双色球历史数据.xlsx        # 历史数据文件
+├── lottery/                  # 号码生成结果输出目录
+├── .generation_records.json  # 生成记录索引（JSON）
+├── .fetch_status.json        # 抓取状态文件
+├── deploy/                   # 部署相关文件
+│   ├── DEPLOY.md             # 部署说明
+│   ├── lotto-app.service     # systemd 服务文件
+│   ├── fetch_daily.sh        # 定时抓取脚本
+│   └── backup.sh             # 备份脚本
+└── docs/                     # 文档目录
+    ├── PRD-双色球 WebUI-v1.0.md
+    └── 开发文档-双色球WebUI-v1.0.md  ← 本文件
+```
+
+## 4. API 接口
+
+### 4.1 接口清单
+
+| 接口 | 方法 | 描述 | 认证 |
+|------|------|------|------|
+| `/api/generate` | POST | 生成号码 | 可选 |
+| `/api/history` | GET | 获取历史开奖数据（分页+搜索） | 可选 |
+| `/api/records` | GET | 获取生成记录列表（分页） | 可选 |
+| `/api/records/:id` | DELETE | 删除生成记录 | 可选 |
+| `/api/statistics` | GET | 获取统计分析数据 | 可选 |
+| `/api/download/:filepath` | GET | 下载文件 | 可选 |
+| `/api/status` | GET | 系统状态 | 无 |
+| `/api/config` | GET | 前端配置 | 无 |
+| `/api/fetch/status` | GET | 抓取执行状态 | 无 |
+| `/api/fetch/execute` | POST | 触发数据抓取 | 无 |
+
+### 4.2 关键接口参数
+
+#### POST /api/generate
+```json
+// 请求
+{
+  "num_tickets": 10,
+  "strategy": "advanced"  // 或 "basic"
+}
+// 响应
+{
+  "success": true,
+  "data": {
+    "tickets": [...],
+    "total": 10,
+    "filename": "lottery/xxx.xlsx",
+    "download_url": "/api/download/lottery/xxx.xlsx",
+    "record": {...},
+    "statistics": {...}
+  }
+}
+```
+
+#### GET /api/history
+参数: `page` (页码), `page_size` (每页条数), `search` (搜索关键词)
+
+#### GET /api/records
+参数: `page` (页码), `page_size` (每页条数)
+
+## 5. 前端页面
+
+### 5.1 页面结构
+- **Header**: 标题 + 副标题
+- **导航 Tab**: 号码生成 | 历史数据 | 生成记录 | 统计分析
+- **移动端**: 底部固定导航栏
+
+### 5.2 功能页面
+
+#### 号码生成页（首页）
+- 统计概览（历史期数、常见奇偶比、和值范围等）
+- 策略选择（高级策略/基础策略）
+- 注数输入（1-1000）
+- 生成结果展示（红球+蓝球+统计指标）
+- Excel 下载按钮
+
+#### 历史数据页
+- 搜索框（500ms 防抖）
+- 数据表格（期号、日期、红球、蓝球、统计字段）
+- 分页控件
+
+#### 生成记录页
+- 记录列表（策略、注数、时间、文件大小）
+- 下载/删除操作
+- 分页控件
+
+#### 统计分析页
+- 历史开奖期数
+- 红球热号 TOP15 / 冷号 TOP15
+- 蓝球热号 TOP8
+- 奇偶比/大小比/和值/跨度统计
+
+## 6. 关键修复说明
+
+### 6.1 数据格式兼容修复（核心 Bug 修复）
+
+**问题**: `lottery.py` 期望 Excel 含"号码"列（拼接格式如 `08121821243001`），但 `fetch_data.py` 抓取的 Excel 使用分列格式（"红球 1"~"红球 6"+"蓝球"），导致号码生成器无法加载历史数据。
+
+**根因**: Excel 文件包含两行 header：
+- Row 0: 新格式列名（期号、开奖日期、红球 1~6、蓝球、特别号）
+- Row 1: 旧格式列名（开奖时间、期数、号码、开机号、...）
+- Row 2+: 实际数据
+
+**修复方案**:
+1. `lottery.py` 的 `load_history_data()`: 添加多格式检测逻辑，识别格式A（双行 header）并自动跳过，使用旧列名作为标准列名
+2. `lottery.py` 的 `parse_numbers()`: 新增对拼接字符串格式（14位无分隔符）的直接解析，避免 `re.findall` 将整个字符串视为一个数字
+3. `app.py` 的 `load_history_dataframe()`: 同步修复多格式兼容逻辑
+
+### 6.2 线程安全
+
+- 生成记录的读-改-写操作使用 `threading.Lock` 保护
+- 文件写入使用临时文件+原子替换（`os.replace`），防止崩溃导致数据损坏
+
+## 7. 部署方式
+
+### 7.1 直接运行
+```bash
+cd /home/vincent/Studio/lottoData
+source .venv/bin/activate
+python3 app.py
+# 访问 http://localhost:8085
+```
+
+### 7.2 systemd 服务
+```bash
+# 服务文件: deploy/lotto-app.service
+sudo cp deploy/lotto-app.service /etc/systemd/system/
+sudo systemctl daemon-reload
+sudo systemctl enable lotto-app
+sudo systemctl start lotto-app
+```
+
+### 7.3 定时数据抓取
+```bash
+# 添加 cron 任务
+crontab -e
+# 每天 02:30 自动抓取最新数据
+30 2 * * * /home/vincent/Studio/lottoData/deploy/fetch_daily.sh >> /home/vincent/Studio/lottoData/deploy/cron.log 2>&1
+```
+
+## 8. 测试验证
+
+### 8.1 API 测试结果
+
+| 接口 | 状态 | 说明 |
+|------|------|------|
+| GET /api/status | ✅ 通过 | 返回服务状态 |
+| GET /api/statistics | ✅ 通过 | 120条历史数据统计正确 |
+| GET /api/history | ✅ 通过 | 分页+红蓝球解析正确 |
+| POST /api/generate | ✅ 通过 | 5注号码生成成功，含统计 |
+| GET /api/records | ✅ 通过 | 生成记录列表正确 |
+| GET / (前端页面) | ✅ 通过 | HTML 页面正常加载 |
+
+### 8.2 数据格式验证
+- 历史数据: 120 条记录全部成功解析 ✅
+- 红球解析: 6个红球正确提取 ✅
+- 蓝球解析: 1个蓝球正确提取 ✅
+- 号码范围校验: 1-33(红) + 1-16(蓝) ✅
+
+## 9. 已知限制
+
+- 前端为单 HTML 文件，未使用构建工具
+- 无用户登录系统（Token 认证为可选项，默认关闭）
+- 历史数据来源为 55128.cn，如网站改版需更新 `fetch_data.py`
+- 不支持 HTTPS（内网环境）
+
+## 10. 后续优化建议
+
+| 功能 | 优先级 | 说明 |
+|------|--------|------|
+| 数据可视化图表 | P2 | 走势图、分布图 |
+| 用户登录系统 | P2 | 多用户权限管理 |
+| 定时自动生成 | P2 | 定时生成+推送 |
+| 微信推送 | P3 | 生成结果推送至微信 |
+| 多彩种支持 | P3 | 大乐透、福彩 3D 等 |
+
+---
+
+**开发完成日期**: 2026-07-03  
+**代码仓库**: http://192.168.1.99:12299/vincent/Lottery.git  
+**开发人员**: 徐聪（costcodev）
@@ -48,35 +48,106 @@ class DoubleColorBallGenerator:
            # 读取Excel文件
            print(f"正在读取文件: {self.history_file}")
            try:
-                self.history_data = pd.read_excel(self.history_file)
+                raw_df = pd.read_excel(self.history_file, header=None)
            except Exception as excel_error:
                print(f"读取Excel文件失败: {excel_error}")
                return False

            # 检查数据是否为空
+            if raw_df.empty:
+                print("错误: 历史数据文件为空")
+                return False
+
+            # 兼容多种 Excel 格式：
+            # 格式A（fetch_data.py 当前输出）: Row0=新列名(期号|开奖日期|红球1...|蓝球|特别号), Row1=旧列名(开奖时间|期数|号码|...), Row2+=数据
+            # 格式B（标准格式）: Row0=列名(开奖时间|期数|号码|开机号|...), Row1+=数据
+            # 格式C（分列含旧 header）: Row0=旧列名, Row1+=数据 但无"号码"列
+
+            # 标准列名（lottery.py 期望的列）
+            legacy_columns = ['开奖时间', '期数', '号码', '开机号', '和值特征', '奇偶比', '大小比', '奇偶形态', '跨度', '其他']
+
+            row0_vals = raw_df.iloc[0].astype(str).tolist() if len(raw_df) > 0 else []
+            row1_vals = raw_df.iloc[1].astype(str).tolist() if len(raw_df) > 1 else []
+
+            # 检测各类格式
+            has_legacy_header_in_row0 = any(col in row0_vals for col in ['开奖时间', '期数', '号码'])
+            has_legacy_header_in_row1 = any(col in row1_vals for col in ['开奖时间', '期数', '号码'])
+            has_new_header_in_row0 = any(col in row0_vals for col in ['期号', '开奖日期', '红球 1'])
+
+            if has_new_header_in_row0 and has_legacy_header_in_row1:
+                # 格式A：Row0=新列名, Row1=旧列名, Row2+=数据
+                # 用旧列名（Row1）作为列名，因为 lottery.py 期望"号码"列
+                self.history_data = raw_df.iloc[2:].copy()
+                num_cols = len(self.history_data.columns)
+                self.history_data.columns = legacy_columns[:min(num_cols, len(legacy_columns))] + [f'col_{i}' for i in range(min(num_cols, len(legacy_columns)), num_cols)]
+                self.history_data = self.history_data.reset_index(drop=True)
+                print(f"加载成功（格式A: 新旧 header 双行），共{len(self.history_data)}条历史记录")
+                print(f"数据列: {list(self.history_data.columns)}")
+
+            elif has_legacy_header_in_row0:
+                # 格式B：Row0=标准列名, Row1+=数据
+                self.history_data = raw_df.iloc[1:].copy()
+                num_cols = len(self.history_data.columns)
+                self.history_data.columns = legacy_columns[:min(num_cols, len(legacy_columns))] + [f'col_{i}' for i in range(min(num_cols, len(legacy_columns)), num_cols)]
+                self.history_data = self.history_data.reset_index(drop=True)
+                print(f"加载成功（格式B: 标准列名），共{len(self.history_data)}条历史记录")
+                print(f"数据列: {list(self.history_data.columns)}")
+
+            else:
+                # 格式C：检测不到旧列名，尝试直接用 pandas 读取
+                self.history_data = pd.read_excel(self.history_file)
+                print(f"加载成功（默认读取），共{len(self.history_data)}条历史记录")
+                print(f"数据列: {list(self.history_data.columns)}")
+
+                # 如果没有"号码"列但有分列红球，尝试标准化
+                if '号码' not in self.history_data.columns:
+                    if any(c in self.history_data.columns for c in ['红球 1', '红球1']):
+                        self._normalize_history_format()
+
            if self.history_data.empty:
                print("错误: 历史数据文件为空")
                return False

-            print(f"加载成功，共{len(self.history_data)}条历史记录")
-            print(f"数据列: {list(self.history_data.columns)}")
-
-            # 检查是否包含必要的列
-            if '号码' not in self.history_data.columns:
-                print("错误: 历史数据文件缺少'号码'列")
-                return False
-
            # 解析号码列
            def parse_numbers(row):
-                """解析单行号码数据"""
+                """解析单行号码数据
+                
+                支持以下格式：
+                - 拼接字符串: '08121821243001' (6红球×2位 + 1蓝球×2位)
+                - 空格/逗号分隔: '08 12 18 21 24 30 01'
+                - 加号分隔: '08,12,18,21,24,30+01'
+                """
                try:
                    # 处理号码字符串 - 直接转换为字符串然后分割
                    if pd.isna(row['号码']):
                        return [], 0

-                    numbers_str = str(row['号码'])
+                    numbers_str = str(row['号码']).strip()
                    
-                    # 使用正则表达式提取所有数字
+                    # 情况1: 纯拼接字符串（14位或以上，无分隔符）
+                    # 例如 '08121821243001' = [08,12,18,21,24,30] + [01]
+                    if re.match(r'^\d{14,}$', numbers_str):
+                        red_balls = [int(numbers_str[i:i+2]) for i in range(0, 12, 2)]
+                        blue_ball = int(numbers_str[12:14])
+                        if all(1 <= b <= 33 for b in red_balls) and 1 <= blue_ball <= 16:
+                            return red_balls, blue_ball
+                        else:
+                            print(f"警告: 号码范围异常: {red_balls} + {blue_ball}")
+                            return [], 0
+                    
+                    # 情况2: 加号分隔（如 '03,12,16,22,25,28+10'）
+                    if '+' in numbers_str:
+                        parts = numbers_str.replace(',', ' ').replace('+', ' ').split()
+                        if len(parts) >= 7:
+                            try:
+                                red_balls = [int(x) for x in parts[:6]]
+                                blue_ball = int(parts[6])
+                                if all(1 <= b <= 33 for b in red_balls) and 1 <= blue_ball <= 16:
+                                    return red_balls, blue_ball
+                            except ValueError:
+                                pass
+                    
+                    # 情况3: 使用正则表达式提取所有数字组
                    number_list = re.findall(r'\d+', numbers_str)

                    if len(number_list) >= 7:
@@ -140,6 +211,79 @@ class DoubleColorBallGenerator:
            print(traceback.format_exc())
            return False

+    def _normalize_history_format(self):
+        """将格式A（分列红球）转换为格式B（统一号码列 + 标准列名）。
+
+        格式A列名: 期号 | 开奖日期 | 红球 1 | 红球 2 | 红球 3 | 红球 4 | 红球 5 | 红球 6 | 蓝球 | 特别号
+        格式B列名: 开奖时间 | 期数 | 号码 | 开机号 | 和值特征 | 奇偶比 | 大小比 | 奇偶形态 | 跨度 | 其他
+
+        在 self.history_data 上原地操作，构建 '号码' 列和标准列名。
+        """
+        df = self.history_data
+        standard_columns = ['开奖时间', '期数', '号码', '开机号', '和值特征', '奇偶比', '大小比', '奇偶形态', '跨度', '其他']
+
+        # 构建号码列：将 红球1~6 + 蓝球 拼接为 14 位字符串
+        red_cols = [f'红球 {i}' for i in range(1, 7)]
+        blue_col = '蓝球'
+
+        def build_number_string(row):
+            parts = []
+            for c in red_cols:
+                val = row.get(c)
+                if pd.isna(val):
+                    return None
+                s = str(int(val)) if isinstance(val, (int, float)) else str(val).strip()
+                parts.append(s.zfill(2))
+            blue_val = row.get(blue_col)
+            if pd.isna(blue_val):
+                return None
+            blue_s = str(int(blue_val)) if isinstance(blue_val, (int, float)) else str(blue_val).strip()
+            return ''.join(parts) + blue_s.zfill(2)
+
+        df = df.copy()
+        df['号码'] = df.apply(build_number_string, axis=1)
+
+        # 重命名列到标准列名（保留原始列）
+        # 格式A -> 格式B 映射：
+        # 期号 -> 开奖时间（其实存的是日期）
+        # 开奖日期 -> 期数（其实存的是期号数字）
+        # 红球1 -> 号码（已在上面构建）
+        # 特别说 -> 跨度
+        # 其他列按顺序映射
+        rename_map = {}
+        if '期号' in df.columns:
+            rename_map['期号'] = '开奖时间'
+        if '开奖日期' in df.columns:
+            rename_map['开奖日期'] = '期数'
+        if '蓝球' in df.columns and '特别号' in df.columns:
+            rename_map['特别号'] = '跨度'
+            # 蓝球在格式B中不单独存在，尽量复用
+            # 但不开机号无直接对应
+        if '红球 2' in df.columns:
+            rename_map['红球 2'] = '开机号'
+        if '红球 3' in df.columns:
+            rename_map['红球 3'] = '和值特征'
+        if '红球 4' in df.columns:
+            rename_map['红球 4'] = '奇偶比'
+        if '红球 5' in df.columns:
+            rename_map['红球 5'] = '大小比'
+        if '红球 6' in df.columns:
+            rename_map['红球 6'] = '奇偶形态'
+
+        df = df.rename(columns=rename_map)
+
+        # 确保所有标准列都存在（补缺失列）
+        for col in standard_columns:
+            if col not in df.columns:
+                df[col] = ''
+
+        # 调整列顺序
+        df = df[[c for c in standard_columns if c in df.columns] + [c for c in df.columns if c not in standard_columns]]
+
+        self.history_data = df.reset_index(drop=True)
+        print(f"已标准化数据格式，共 {len(df)} 条记录")
+        print(f"标准化后列名: {list(df.columns)}")
+
    def _calculate_statistics(self):
        """计算统计数据"""
        if self.history_data is None or len(self.history_data) == 0: