2. 组合样数据来源与结构解析

组合样不是凭空生成的，它来自勘查阶段逐段采集的原始样品。要把组合样长度统一、把异常品位处理得当，第一步不是急着算，而是把原始样品数据表读懂、读透：每一列代表什么、长度如何分布、品位是什么量纲、哪些记录本身就“不干净”。本节围绕一张典型的原始样品数据表展开，说明字段结构、长度分布特征、品位字段类型，以及常见数据质量问题的识别方法。

原始样品数据表的典型字段结构

一个规范的原始样品表，通常至少包含样品编号、钻孔（或坑道/探槽）编号、起止深度、样品长度、品位值、岩性描述等字段。以钻孔样品为例，常见结构如下（示例为合理假设的教学数据，非实测）：

这里有一个容易被忽视的约束：length 应当等于 to − from。很多数据质量问题就藏在这个恒等关系里——如果某条记录 to − from = 1.50 而 length 填的是 1.00，那么后续按长度加权组合时，权重就错了。因此读表时先做一次“长度自洽性”检查，是成本极低、收益很高的动作。

样品长度分布特征

原始样品的长度往往并不统一。常见情况是：矿体内部按 1.0～2.0 m 连续采样，围岩或矿化边界处为了“卡边”而出现 0.3～0.8 m 的短样，个别构造破碎带又可能出现 2.5 m 以上的长样。这种分布直接决定了组合样长度统一时的策略——是以多数样长为基准，还是以最小公倍或加权方式处理。

判断长度分布，最直接的办法是统计各长度区间的样品数量，并观察是否存在“离群长度”。例如某钻孔 120 个样品中，1.0 m 占 78 个、1.5 m 占 30 个、0.5 m 以下占 9 个、2.0 m 以上占 3 个，那么主体样长是 1.0 m，短样集中在边界，长样集中在破碎带。这个分布特征会直接影响后续组合单元的切分方式。

品位字段的类型与量纲

品位字段看似只是一个数字，实际上至少涉及三个层面的信息：量纲（百分比 %、克/吨 g/t、ppm 等）、元素/矿物对象（Cu、Au、Pb、Zn 或组合品位）、数值精度（保留几位小数）。同一张表里如果 Cu 用 %、Au 用 g/t，直接混在一起做统计或组合就会出错。因此读表时必须先确认：这一列品位对应哪个元素、什么单位、有效数字到哪一位。

此外，品位字段还可能是“分析品位”与“组合品位”并存，或者存在“边界品位”“工业品位”等阈值字段。组合样计算用的是分析品位，阈值字段只用于圈定矿体，两者不能混用。识别清楚字段语义，是后续长度加权组合的前提。

常见数据质量问题的识别方法

原始样品表在进入组合样处理前，通常需要过一遍“体检”。以下问题最常见，也最容易被漏掉：

• 长度不自洽：length 与 to − from 不一致，或起止深度倒置（from > to）。
• 深度断档或重叠：同一钻孔相邻样品应满足上一样 to 等于下一样 from；若出现间隙或重叠，说明采样记录有误。
• 品位缺失或非数值：空值、-、<0.01（检出限表达）等，需要明确是“未分析”还是“低于检出限”。
• 量纲混用：同一元素列中 % 与 g/t 混填，或 ppm 与 % 混填。
• 重复样品编号：sample_id 重复会导致组合时重复计入。
• 异常高值：品位远超矿化背景，可能是真高品位，也可能是录入错误（如小数点错位）。
• 岩性字段缺失：影响按矿化类型分组组合。

一个可操作的检查示例

假设拿到一张 120 条记录的钻孔样品表，可以按以下顺序快速筛查（示例为教学假设）：

1. 结构检查：确认 sample_id、hole_id、from、to、length、grade 六列齐全
2. 自洽检查：逐行计算 to - from，与 length 比对，标记不一致行
3. 连续性检查：按 hole_id 分组、按 from 排序，检查上一样 to 是否等于下一样 from
4. 数值检查：grade 列统计空值数、非数值数、最小值、最大值、分位数
5. 量纲检查：按元素分组，确认单位标注一致
6. 重复检查：sample_id 计数，标记出现次数 > 1 的记录

筛查结果通常会得到一张“问题清单”，例如：3 条长度不自洽、2 处深度断档、5 条品位为空、1 条品位为背景值的 50 倍。这张清单就是后续数据清洗和异常值处理的输入。需要强调的是，识别出问题不等于立即删除——异常高值可能是真实高品位，必须结合地质背景和相邻样品判断，这也是下一阶段异常值处理要解决的问题。

把原始样品表的结构、长度分布和品位类型弄清楚，并系统识别数据质量问题，组合样长度统一才有可靠的数据基础。否则，再精细的组合算法也只是在错误数据上做运算。