百度快照删除：旧数据与新数据没有共同字段时能否拼接趋势
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /e647c8d561b3.html
📄
百度快照删除：旧数据与新数据没有共同字段时能否拼接趋势
不能直接拼接。只有在你能为缺失的共同字段补出一个可核验的映射关系时，个别样本的趋势线才可以延伸到新数据；否则规模化后必然出现例外，趋势会被错读成断崖、跳升或消失。更稳妥的做法是把新旧数据分开呈现，再单独说明两者之间的口径差异。
先判断“没有共同字段”属于哪种情况
旧数据与新数据缺少共同字段，常见于三种情形。第一种是旧记录只保留了快照的快照时间与页面地址，而新记录改成了页面状态与内容摘要；第二种是旧记录用页面级条目，新记录用站点级聚合；第三种是旧记录只留下“删除”这个动作，没有保留删除前后的内容版本。
这三种情形对拼接的影响不同。第一种缺的是时间锚点，通常还能通过页面地址回查历史版本；第二种缺的是粒度，聚合值不能反推页面级变化；第三种缺的是对照对象，你只能看到动作，看不到动作前后的差异。只有第一种具备“补字段后拼接”的现实条件，后两种更适合分开统计。
个别样本能拼，不代表规模化后成立
假设你手上有五条旧记录，每条都能通过页面地址在公开存档中找到对应版本，时间戳也能对上。你把它们和新记录按“页面地址+时间窗口”拼接，得到一条平滑的趋势线。这只能说明这五条恰好具备可映射条件，不能说明第六百条也如此。
规模化后最先失效的地方通常是页面地址本身。旧记录里的地址可能带参数、带栏目路径或已改版跳转，新记录里的地址是规范化后的地址。前几百条里改版比例低，映射看起来成立；当改版页面比例上升，地址匹配会大面积失败，趋势线会出现一段没有解释的缺口。此时如果把匹配失败的记录直接丢弃，趋势会被高估或低估，而不是“更干净”。
一个可区分原因的证据：看缺口是否集中在特定时间段
判断缺口来自数据本身还是来自映射失败，可以看缺口的时间分布。如果缺口随机分散在各个时间段，更可能是采集或存档覆盖不全；如果缺口集中在某次改版、某次栏目调整或某个时间点之后，更可能是地址或字段口径变化导致的映射失败。
这个区分会直接影响下一步动作。随机缺口需要补充数据来源；集中缺口需要先修复映射规则，再决定是否重新拼接。把两种缺口混在一起处理，往往会在修复映射之后发现趋势仍然对不上，因为原来的缺口本来就不是映射问题。
下一步动作：先做小规模映射验证，再决定是否合并
具体动作是：从旧数据中分层抽取样本，按时间段、页面类型和改版状态各取若干条，逐条尝试建立新旧字段映射，记录成功与失败的原因。如果失败集中在某一类页面，就先为这一类单独建立映射规则，而不是全量合并。
这个动作的结果会决定下一步：映射成功率在分层内稳定，才可以把拼接范围限定在对应分层；如果某一层始终无法建立稳定映射，就保留该层为独立序列，只在新数据内部做趋势，不把旧数据强行接上去。这样得到的结论虽然少了一段，但不会把口径差异误读成真实变化。
什么时候可以给出“能拼接”的结论
可以拼接的条件是：缺失字段能通过外部可核验来源补出，补出的值与新数据字段定义一致，且在分层抽样中映射成功率稳定。三者缺一，结论就应降级为“只能并列展示，不能合并趋势”。
反过来，只要出现一个反例——例如某类页面在补字段后仍无法与新数据对齐，而这类页面在整体中占比不可忽略——就不能把个别样本的拼接结果推广到全量。此时更诚实的做法是分别描述旧数据和新数据各自的趋势，再单独说明两者之间的口径差异，而不是给出一个看似连续的合并曲线。
