点击上方“志斌的Python笔记”，选择“星标”公众号超级无敌干货，第一时间送达！！！

一、需求简介

之前偶然见到一位网友提出了关于双色球数据的分析需求，感觉颇有趣味，便着手操作了一番。如下为某双色球发布站的页面，可以看到每期会产生红/蓝两种颜色的数字，其中红球为 33 选 6，蓝球为 16 选 1，一共是从 49 个球中选 7 个。假如想对某一色号球下注，比如红1 球，要先分析一下该球以往的产出情况。可以从以下 3 个方面来分析，以史明鉴，看看最新一期是否值得选取该球：

1、遗漏情况

统计遗漏 n 期后命中的次数，如上图：遗漏 1 期后中的次数有 2 次，遗漏 2 期后中的次数有 1 次，遗漏 5 期后中的次数有 2 次，遗漏 7 期后中的次数有 1 次。

2、连续重号情况

如图，连续重号 3 期的有 1 次。

3、重号前的遗漏情况

如图，重号前遗漏 2 期的有 1 次。

二、源数据

节选源数据如下，数据是以 html 表格形式储存的，<td> 标签中 class="yl01" 表示未命中，class="chartBall01" 表示命中红球，class="chartBall02" 表示命中蓝球（文末获取近 100 期数据样本）。

    <tr>    <td class="c_fbf5e3 bd_rt_a">2021090</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">8</td><td class="yl01" style="font-size:xx-small">2</td><td class="chartBall01">05</td><td class="chartBall01">06</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">4</td><td class="yl01" style="font-size:xx-small">6</td><td class="yl01" style="font-size:xx-small">4</td><td class="yl01" style="font-size:xx-small">5</td><td class="chartBall01">12</td><td class="yl01" style="font-size:xx-small">1</td><td class="chartBall01">14</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">13</td><td class="yl01" style="font-size:xx-small">9</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">6</td><td class="yl01" style="font-size:xx-small">9</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">7</td><td class="yl01" style="font-size:xx-small">2</td><td class="chartBall01">27</td><td class="chartBall01">28</td><td class="yl01" style="font-size:xx-small">4</td><td class="yl01" style="font-size:xx-small">13</td><td class="yl01" style="font-size:xx-small">12</td><td class="yl01" style="font-size:xx-small">8</td><td class="yl01" style="font-size:xx-small">7</td><td class="v_line"></td><td class="yl01" style="font-size:xx-small">4</td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">42</td><td class="yl01" style="font-size:xx-small">3</td><td class="yl01" style="font-size:xx-small">8</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">16</td><td class="chartBall02">08</td><td class="yl01" style="font-size:xx-small">10</td><td class="yl01" style="font-size:xx-small">13</td><td class="yl01" style="font-size:xx-small">54</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">11</td><td class="yl01" style="font-size:xx-small">31</td><td class="yl01" style="font-size:xx-small">18</td><td class="yl01" style="font-size:xx-small">25</td></tr><tr><td class="c_fbf5e3 bd_rt_a">2021091</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">9</td><td class="chartBall01">04</td><td class="yl01" style="font-size:xx-small">1</td><td class="chartBall01">06</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">7</td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">6</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">3</td><td class="chartBall01">16</td><td class="yl01" style="font-size:xx-small">14</td><td class="yl01" style="font-size:xx-small">10</td><td class="yl01" style="font-size:xx-small">3</td><td class="yl01" style="font-size:xx-small">6</td><td class="yl01" style="font-size:xx-small">7</td><td class="yl01" style="font-size:xx-small">10</td><td class="yl01" style="font-size:xx-small">2</td><td class="chartBall01">24</td><td class="yl01" style="font-size:xx-small">8</td><td class="chartBall01">26</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">14</td><td class="yl01" style="font-size:xx-small">13</td><td class="yl01" style="font-size:xx-small">9</td><td class="chartBall01">33</td><td class="v_line"></td><td class="yl01" style="font-size:xx-small">5</td><td class="yl01" style="font-size:xx-small">6</td><td class="yl01" style="font-size:xx-small">43</td><td class="yl01" style="font-size:xx-small">4</td><td class="yl01" style="font-size:xx-small">9</td><td class="yl01" style="font-size:xx-small">3</td><td class="yl01" style="font-size:xx-small">17</td><td class="yl01" style="font-size:xx-small">1</td><td class="yl01" style="font-size:xx-small">11</td><td class="yl01" style="font-size:xx-small">14</td><td class="yl01" style="font-size:xx-small">55</td><td class="yl01" style="font-size:xx-small">2</td><td class="yl01" style="font-size:xx-small">12</td><td class="yl01" style="font-size:xx-small">32</td><td class="yl01" style="font-size:xx-small">19</td><td class="chartBall02">16</td></tr>

三、解析实现

1、数据结构

为了便于表示球的命中与颜色、数值，我们可以按以下规则映射：那么先用美丽汤把需要的内容捞出来，把所有 <td> 标签中表示名字与色号的内容取出，按上述规则映射表示。

soup = BeautifulSoup(res_table, "html.parser")
item_lst = []
for td in soup.find_all('td'):cls = td['class'][0]num = td.stringif cls in ['yl01', 'chartBall01', 'chartBall02']:item_lst.append('-'.join([cls, num]))
print(item_lst[:10])

输出前 10 个预览如下：

['yl01-3', 'yl01-5', 'chartBall01-03', 'yl01-5', 'yl01-1', 'yl01-5', 'chartBall01-07', 'yl01-9', 'yl01-6', 'yl01-6']

但这仅仅是一个超长列表，在此基础上处理起来还找不到头绪，至少要转变成和网页上结构一致的矩阵才好理解吧，那么可以想到利用 numpy 矩阵。先是用 np.array 将普通列表转为 numpy 数组，再利用 reshape 将一维数组转为二维数组，即 100 期 X 49 个球的矩阵。

array = np.array(item_lst).reshape(100, 49)

如图，numpy 矩阵的每一行与原页面结构对应。但我们想要进行的是纵向比较分析，比较各期之间的关系，所以还需要再对矩阵进行行列转置。

array_T = array.T  # 矩阵转置，一个元素对应一列

此时，array_T 中的每一个元素即表示某一色号的近 100 期情况。如果想看红1 球，则是 array_T[0]；如果想看红2 球，则是 array_T[1]；如果想看蓝1 球，则是 array_T[33]（因为红球总共有 33 个，故第一个蓝球列的索引为 33）。为了便于选球，我们可以写一个映射方法：

def trans_col(txt):  # 翻译列索引号，如红1=0，红33=32，蓝1=33，蓝16=48if "红" in txt:col = int(txt.replace('红', '')) - 1else:col = int(txt.replace('蓝', '')) + 32return col

接下来就可以正式开始实现统计分析的需求啦！

2、遗漏统计

将转置矩阵和指定色号球所在列传入，获取该列后加入一个结束标记，因至少要出现 1 次未命中 +1 次命中才判定为遗漏 1 期，所以从该列的第二项数据开始判断，若其不等于前一项的值，且当前项为命中，则记录前一项的值（遗漏期数）。之后将记录列表中的表示遗漏的标记 yl01 去除，仅保留期数。

def fun_miss(array, col):  # 统计该列中遗漏后命中的次数line = array[col].tolist()order_grp = []for i, v in enumerate(line):if i > 0:if v != line[i - 1] and 'chart' in v:order_grp.append(line[i - 1])order_grp = [i.replace('yl01-', '') for i in order_grp]c = dict(Counter(order_grp))result = sorted(c.items(), key=lambda x: int(x[0]))for i in result:print(f"遗漏{i[0]}期后中的次数有{i[1]}次")fun_miss(array_T, trans_col("红1"))  # 执行

统计排序后输出如下：

遗漏1期后中的次数有4次遗漏2期后中的次数有2次遗漏3期后中的次数有3次遗漏5期后中的次数有2次遗漏7期后中的次数有2次遗漏8期后中的次数有1次遗漏9期后中的次数有2次遗漏13期后中的次数有1次

3、连续重号统计

与遗漏统计相同，传入两个参数，先确定要选取的色号列。当前项等于前一项，且当前项为命中时表示重号，连续重号时 count 计数 +1，当出现不满足重号条件时表示连续重号中断，记录连续次数，并将计数清零，待下一轮重号出现时重新计数。

def fun_repeat(array, col):  # 统计该列中的重号次数line = array[col].tolist()count_grp = []count = 0for i, v in enumerate(line):if i > 0:if v == line[i-1] and 'chart' in v:count += 1elif count > 0:count_grp.append(count)count = 0c = dict(Counter(count_grp))result = sorted(c.items(), key=lambda x: x[0])for i in result:print(f"连续重号{i[0]}次的有{i[1]}次")fun_repeat(wt, trans_col("红2"))  # 执行

统计排序后输出如下：

连续重号1次的有1次连续重号2次的有1次

4、重号前的遗漏统计

因要出现重号+遗漏才算入，所以至少从第三项数据开始判定。

def fun_return(array, col):  # 统计该列中重号前的遗漏次数line = array[col].tolist()order_grp = []for i, v in enumerate(line):if i > 1:if v == line[i - 1] and v != line[i - 2] and 'chart' in v:order_grp.append(line[i - 2])order_grp = [i.replace('yl01-', '') for i in order_grp]c = dict(Counter(order_grp))result = sorted(c.items(), key=lambda x: int(x[0]))for i in result:print(f"重号前遗漏{i[0]}期的有{i[1]}次")fun_return(wt, trans_col("红1"))  # 执行

统计排序后输出如下：