名人八字研究为什么要先清洗字段

名人八字研究先清洗字段，是因为公开资料库首先是资料工程，不是命理论证。本次复核读取 content/celebrities 下 2,223 个名人 JSON，全部有年月日字段，但只有 53 个有明确小时字段，2,170 个小时字段不可用。这样一个样本如果不先清洗字段，任何时柱、晚年、子女或精细神煞统计都会被放大。

哪些字段必须先归一

出生年月日要区分实际生日、公开生日、后补登记和争议日期。小时字段要把明确 0-23 小时和 -1 未知分开。性别、职业、地区、来源数量也要归一，因为不同写法会让统计脚本把同类记录拆成多个类目。

字段清洗不是琐事。它决定页面能不能诚实地说“本页只讨论资料形状”，也决定读者是否会把收录偏差误当成命理规律。

数字能说明什么

2,223 个档案说明样本规模不小；2,170 个未知小时说明时柱层面非常薄；53 个明确小时说明少数个案可做完整盘，但不能代表总体。这样的数字适合帮助编辑设定边界，不适合证明某类命盘更容易成名。

如果一个名人研究页没有列样本数、字段定义、缺失情况和统计日期，就不要引用它的命理结论。数字越具体，越需要边界越清楚。

清洗后的页面怎么写

可以写：“本页基于站内公开名人资料，统计字段完整度和缺失情况；结论只用于内容方法，不用于个人命运判断。”然后再说明哪些字段支持三柱阅读，哪些字段必须降级。

这样写不会让页面显得弱，反而让读者知道它能承担什么。名人八字的可信度先来自资料透明，再来自命理解释。

一个字段清洗例子

性别字段如果同时存在“male”“男性”“男”“unknown”，统计前必须归一；小时字段如果把 -1、空值和 0 点混在一起，就会把未知时辰误当子时。生日字段也类似，缺日、缺月、农历生日、争议生日都要分开。清洗不是为了让数字好看，而是为了防止脚本把不同质量的资料混算。

字段清洗后，页面还应保留清洗规则。例如：hour=-1 代表未知，不进入时柱统计；年月日完整但小时未知者，只进入三柱统计；来源冲突者不进入分布结论。规则公开，后续复跑才有意义。

清洗失败会怎样误导

如果 2,170 个未知小时被错误分到某个时辰，研究页会制造出完全虚假的时柱规律。如果“男”和“男性”没有合并，性别分布会被拆碎。如果参考数字段缺失被当作 0 条参考，读者又会误以为这些页面都没有来源。每一项小字段都会影响正文语气。

因此，名人八字研究先清洗字段，不是工程洁癖，而是内容质量的前提。

可复跑才算清洗完成

清洗后的结果要能被另一个人按同一规则重跑。脚本路径、字段名、排除条件和统计日期都要留存。否则，今天的数字下次无法比较，读者也无法知道变化来自新增样本、修正错误，还是口径改变。