2. 矿体样品数据采集与整理

矿体样品数据是品位分布分析与去簇处理的唯一原始输入，它的质量直接决定后续所有统计推断的可信度。本节要解决的核心问题是：把来自钻孔、刻槽、掌子面等不同采样方式、结构各异的原始记录，整理成一张字段统一、坐标一致、长度可核、品位可用的规范化样品表，并在进入去簇计算之前，先把缺失值和异常值识别出来。

一、三类采样方式的数据结构差异

钻孔采样沿孔轴连续或分段取样，其天然坐标是孔口坐标加上测斜数据推算出的孔深位置，样品长度由回次进尺或样段划分决定，常见字段包括孔号、样号、自孔深、至孔深、样长、品位。刻槽采样沿矿体揭露面按一定长度（常为 1 m 或 2 m）连续刻取，坐标是沿槽的起点坐标与方位，样品长度通常固定，但槽与槽之间是独立的一维序列。掌子面采样（含掌子面刻线、网格拣块等）分布在二维面上，坐标是平面坐标，样品长度概念弱化，更多体现为样点位置与拣块规格。

三类数据的共同点是都具备“位置—长度—品位”三要素，差异在于位置如何表达、长度是否固定、样品之间是否连续。整理时不应强行把掌子面样点改造成“有长度的样段”，而应保留其点样属性，在后续处理中单独对待。

二、字段规范化：先定口径，再统一单位

规范化的第一步不是改数据，而是确定字段口径。建议以“一行一样品”为基本粒度，固定以下字段：样号（全局唯一，建议“工程号-序号”）、采样方式（钻孔/刻槽/掌子面）、工程号、X、Y、Z（统一为同一坐标系与同一高程基准，单位 m）、自深与至深（仅钻孔与沿槽样段使用，单位 m）、样长（m）、品位及品位单位、岩性。品位单位必须显式记录，因为同一矿区可能同时存在百分含量与 g/t 两种口径，混用会造成数量级错误。

坐标规范化的关键是参照系一致。若钻孔样品使用孔口坐标加测斜推算，需在表中同时保留“孔口坐标”和“样品中心三维坐标”两套信息，并注明推算所用的测斜方法与方位角约定（例如方位角自正北顺时针起算）。刻槽样品的坐标应记录槽起点与沿槽距离，再换算为样品中心坐标。掌子面点样直接记录平面坐标与高程。所有坐标在入库前统一保留两位小数，避免同一位置因精度差异被误判为不同样点。

样长字段需要做一致性校验：对钻孔与刻槽样段，应满足“至深 − 自深 = 样长”，允许 ±0.01 m 的舍入误差。若原始记录只给自深与至深，样长应由计算得出而非人工填写；若只给样长与自深，至深应反算。这一步看似琐碎，却是后续长度加权与去簇计算的基础，样长错误会直接传导为品位加权错误。

三、缺失值与异常值的初步识别

缺失值分两类：显性缺失（字段为空、填“-”或“无”）与隐性缺失（填 0 但实际未分析）。品位字段的 0 值必须结合岩性判断——若岩性为矿体而品位恰为 0，需回查原始化验单；若岩性为围岩，0 值可能是合理的。样长为 0 或为空、坐标为空的记录，属于结构性缺失，应单独列出待补。

异常值初判建议采用“规则筛查 + 分布筛查”双通道。规则筛查包括：品位为负值、品位超过矿区历史最大值、样长超过设计样长上限（例如设计 2 m 而记录 8 m）、自深大于至深、坐标落在矿区范围外。分布筛查可对品位取对数后计算四分位距，将超出 Q1 − 1.5×IQR 与 Q3 + 1.5×IQR 的记录标为可疑高值或低值。需要强调：筛查结果是“标记”而非“删除”，每条可疑记录都应保留原始值、标记原因和处理意见三列，供地质人员复核。

四、一份可直接套用的整理检查表

完成上述整理后，得到的应是一张字段齐全、单位统一、坐标同系、样长可核、异常有标记的样品表。它是后续去簇处理的输入底表，也是品位分布分析可复现的前提。整理阶段多花的时间，会在去簇与估值阶段以更少的返工和更高的可信度回报回来。