双色球3287期历史数据整理：Excel与MySQL导入实战全攻略

简介：这份数据包完整收录了双色球从2003年2月23日首期开售到2025年4月15日期间全部3287期开奖号码，每一期均包含期号、开奖日期、六个红球和一个蓝球，字段清晰无缺失，适合数据分析初学者、开发者和彩票研究者使用。资源包一共5个文件，Excel文件可直接进行筛选、排序和图表分析，SQL文件可导入MySQL做批量查询、频次统计、冷热号追踪，同时附带Python脚本和辅助配置文件，整体压缩后仅213KB，下载后即可快速开始分析。数据已按时间顺序整理，无重复、无遗漏，可以支撑连号走势、区间分布、奇偶比等特征分析，也能作为自建预测模型的训练输入。目前已有1269人学习下载，是一份便于复盘双色球历史开奖规律、开展数据探索的高质量底表。 双色球开奖数据从2003年第一期到2025年，一共3287期完整记录，整理成Excel和MySQL两个版本——这个活儿听起来简单，但真正做过的人都知道坑不少。我花了几天时间把数据全部核了一遍，按双色球的实际期号规则和开奖字段切分好，顺手把Excel和MySQL导入的踩坑过程也记录下来。这篇博文就把这套数据的整理思路、文件结构、导入细节和常见问题全部摊开讲，适合正在学Excel数据分析、需要一份练手数据集做可视化、或者想熟悉MySQL建表和导入流程的朋友，可以直接照着做。

很多人问我要这类数据的时候，其实并不知道自己拿回去要干什么。有人想练Excel函数，有人想学MySQL多表查询，有人只是想画个红球蓝球频率图表。不管哪种目的，一份可靠、干净、字段规范的数据文件，比什么都重要。而双色球这个彩种，从2003年上市到现在，规则基本稳定，字段也足够典型，是练习数据处理的一个好素材。

1. 这3287期数据从哪来，怎么保证靠谱

1.1 期数口径与数据来源

双色球每周开奖三期，一年大致150期左右。2003年第一期从2003001开始编号，到2025年，中间偶尔因为春节休市少开几期，累计下来就是3287期。这个数字不是拍脑袋算出来的，是逐期核对的最终结果。

数据来源我的建议是：官方历史开奖公告 + 主流彩票数据平台交叉校验。两个来源各自导出一份，然后按期号做逐期比对，红球、蓝球、日期完全一致才算通过。如果你只从一个来源抓数据，出现过期、错号、重复的情况不要觉得奇怪，人工录入哪有什么百分之百，交叉验证是唯一的出路。

1.2 数据字段设计与清洗规则

这套数据文件的字段设计如下表所示，也是我最终交付的版本：

数据清洗时有几个关键约定：

• 红球顺序必须从小到大排列，且每期6个红球互不重复；
• 期号采用双色球官方编号格式，不是简单递增数字；
• 日期统一转成标准的YYYY-MM-DD，避免Excel自动解析把格式搞乱；
• 销售额、奖池金额这类数值字段，在Excel里需要设置成常规或数值格式，不要保留千分符，不然MySQL导入会报错。

这套清洗规则直接决定了后面Excel能不能透视、MySQL能不能导入，一步做错，后面全崩。

2. Excel数据文件：给非技术人员准备的"即开即用"

2.1 表格结构设计

Excel文件我拆了两个Sheet。第一个Sheet叫"全部数据"，就是上面字段的完整记录，3287行，带冻结首行、自动筛选、条件格式。第二个Sheet叫"使用说明"，把每个字段的含义、常见问题、怎么用数据透视表统计红球频率写清楚了。对新手来说，这个说明Sheet比数据本身还有用。

这里有一个很多人都会踩的坑：红球和蓝球如果直接写成数字1、2、3这种整数，在Excel中显示"1"没问题，可一旦你在公式里拼接字符串或者做VLOOKUP，就会发现"2003001"和"1"不是一回事。另外如果号码是两位数，比如"01"写成"1"，数据本身没变，但视觉上容易让人看错。解决方案是：给这两个字段设置自定义格式"00"，号码显示为01、02、09，但单元格存储的还是数字。

2.2 Excel里能直接做什么

拿到这份Excel文件，不需要额外工具就能做不少事情。

数据分析师最常用的就是数据透视表。选中全部数据，插入透视表，把"red1"到"red6"全部放到行区域，值区域用计数，就能快速看出每个红球号码整体出现的频次。蓝球频次也同理。要注意的是，透视表会把不同位置的同一个号码当成不同字段来统计，也就是说红球01出现在red1、red2、red3……都是不同的"字段"，所以不能直接拉red1这一个字段代表红球所有位置。正确做法是把6个红球列合并成一列（用Power Query或者直接复制粘贴），再做透视。

另外Excel的筛选功能也可以直接用。比如想看2024年所有开奖记录，点开日期列的下拉菜单，年份勾选2024就行。想看某几个特定期号，在期号列搜索对应数字前缀即可。对只是想随手查一查数据的人来说，这份Excel文件比接数据库要方便太多。

3. MySQL数据入库：技术党拿来就能跑

3.1 建表SQL设计

Excel给非技术人员用，MySQL给程序员用。我根据上面字段设计了一套建表SQL，直接复制到MySQL就可以执行：

CREATE TABLE `ssq_history` ( `id` int NOT NULL AUTO_INCREMENT, `issue` varchar(10) NOT NULL COMMENT '期号，如2003001', `open_date` date NOT NULL COMMENT '开奖日期', `red1` tinyint NOT NULL COMMENT '红球1', `red2` tinyint NOT NULL, `red3` tinyint NOT NULL, `red4` tinyint NOT NULL, `red5` tinyint NOT NULL, `red6` tinyint NOT NULL, `blue` tinyint NOT NULL COMMENT '蓝球', `sales` bigint DEFAULT NULL COMMENT '销售额（元）', `pool_money` bigint DEFAULT NULL COMMENT '奖池金额（元）', `first_prize_count` int DEFAULT NULL COMMENT '一等奖注数', `first_prize_money` bigint DEFAULT NULL COMMENT '一等奖单注奖金（元）', PRIMARY KEY (`id`), UNIQUE KEY `uk_issue` (`issue`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='双色球历史开奖数据';

字段类型选择上，红球蓝球的取值范围是1~33、1~16，TINYINT完全够用；期号虽然是数字，但建议用VARCHAR存储，因为实际使用中经常需要拼接字符串或者做前模糊查询（比如查2024年的所有期号就是LIKE '2024%'），用整数类型反而别扭；金额字段用BIGINT，避免溢出。

唯一索引建在issue上，这是整张表最重要的约束。双色球期号天然唯一，有这个索引在，重复导入数据时数据库会直接拦截，避免脏数据。

3.2 数据导入的三种路径

我在这套文件里附带了一个Python导入脚本（放在mysql_import目录下），同时在这里把几种导入方案都列出来，你根据自己的环境选一种就行。

方案一：Python + pymysql 分批读取Excel插入

import pymysql import pandas as pd from sqlalchemy import create_engine df = pd.read_excel('ssq_2003_2025.xlsx', sheet_name='全部数据') # 把空值转成None，避免MySQL插入时把空字符串当成0 df = df.where(pd.notnull(df), None) engine = create_engine('mysql+pymysql://root:your_password@localhost:3306/test?charset=utf8mb4') df.to_sql('ssq_history', con=engine, if_exists='append', index=False)

这段代码省事的地方在于pandas的to_sql会自动拼接INSERT语句，字段顺序和类型都帮你处理好了。跑之前必须先建好表，且Excel的列名要和表字段名一一对应，否则会报字段不存在的错。

方案二：MySQL的LOAD DATA LOCAL INFILE

如果你的环境允许，直接加载CSV格式性能最高：

LOAD DATA LOCAL INFILE '/path/ssq_data.csv' INTO TABLE ssq_history FIELDS TERMINATED BY ',' ENCLOSED BY '"' LINES TERMINATED BY '\n' IGNORE 1 LINES (issue, open_date, red1, red2, red3, red4, red5, red6, blue, sales, pool_money, first_prize_count, first_prize_money);

用这个命令之前，CSV文件必须经过编码预处理，统一转成UTF-8。如果是Windows下用Excel另存的CSV，大概率是GBK编码，需要在导入前先转码，否则中文注释字段会乱码。

3.3 导入后的数据校验

数据入库不等于万事大吉，导入完成后必须做校验，不然分析到一半发现期数对不上，哭都来不及。

校验三板斧：

-- 1. 总期数核对 SELECT COUNT(*) FROM ssq_history; -- 2. 期号连续性检查（查询中间有没有跳号） SELECT issue, open_date FROM ssq_history WHERE issue NOT IN ( SELECT CONCAT(LEFT(issue, 4), LPAD(CAST(RIGHT(issue, 3) AS UNSIGNED) - 1, 3, '0')) FROM ssq_history ); -- 3. 重复检查 SELECT issue, COUNT(*) FROM ssq_history GROUP BY issue HAVING COUNT(*) > 1;

第一句看总数是否等于3287；第二句检查期号有没有断档；第三句基于唯一索引做重复性验证。我自己实际操作的时候，这三条SQL一跑，基本能发现95%以上的数据问题。

4. 踩坑实录：从Excel到MySQL，最容易被卡住的几个问题

4.1 期号前导零与科学计数法的坑

这是Excel数据文件最容易出的问题。2003001这类期号在Excel里如果按常规格式输入，会变成2003001，没问题。但如果有人把期号录成"2003-001"或者改成日期格式，显示就会错乱成一串日期。用户在Excel里看到2003/1/1，以为是日期，实际上就是期号被Excel自动识别成日期了。

此外，如果数据里有超过11位的数字（比如销售额几十亿），Excel会默认转成科学计数法，显示成2.03E+09。这种数据一旦导出成CSV，就会丢失精度，导入MySQL后数值对不上。解决办法是：在Excel里给销售额、奖池金额列设置"数值"格式，小数位为0，或者使用千分分隔符以外的标准数字格式。

4.2 日期格式不统一导致MySQL报错

不同渠道下载的数据，日期格式五花八门：2024-01-01、2024/01/01、20240101、2024年1月1日……如果直接存进DATE字段，MySQL只认第一种格式，其他的要么报错要么存成0000-00-00。

我在整理数据时把日期全部转成了标准格式。如果你拿到的是非标准日期，在Excel里可以先用分列功能处理：选中日期列 -> 数据 -> 分列 -> 下一步 -> 选择"日期"（MDY格式） -> 完成。分列完后日期就统一了。

4.3 LOAD DATA导入时出现"Data truncated for column"错误

这个错本质上是字段长度或类型不匹配。红球列如果Excel单元格里混入了空格或文本，LOAD DATA在做数值转换时会报"Data truncated"。排查思路是：用Excel先做一次文本清洗，把要导入的列全部转成纯数字。也可以导入CSV前先用awk或者Python做一次类型检查，把非数字单元格全部找出来。

4.4 数据库连接时Authentication Plugin报错

MySQL 8默认的密码认证插件是caching_sha2_password，老代码如果用旧版mysql_native_password连接，可能报Authentication plugin 'caching_sha2_password' cannot be loaded。这种情况在Python的pymysql、旧版本JDBC驱动里都出现过。

处理方法有两种：一是升级连接驱动到你当前MySQL版本对应的最新版；二是在MySQL里把账号认证插件改回来：

ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY '你的密码'; FLUSH PRIVILEGES;

说实话我推荐的还是第一种，升级驱动，毕竟新版MySQL用原生密码插件是趋势，改认证方式只能算临时解决方案。

4.5 数据分析时发现期数对不上

有位朋友导入完成后，一查COUNT(*)只有3268期，少了19期。排查到最后，是春节休市搞的鬼。双色球每年春节前会休市一周左右，这期间没有开奖数据。2003年至今，累计休市期数就是十几期，这是正常现象，不是数据丢失。遇到这种情况，我一般建议拿每年实际开奖期数做一次分组统计，和官方公布的年度开奖期数核对，如果一致就说明数据没缺。

5. 拿这份数据能做什么：应用场景扩展

5.1 数据可视化：红球蓝球频率分析

数据可视化是这份数据最常见的应用场景。把3287期所有红球号码和蓝球号码展开成明细，统计每个号码的出现次数，再用Excel条件格式或Python的Matplotlib画成柱状图，能直观看出号码分布是否均匀。

实际操作中有个细节：如果你在Excel里画红球频率图，别只统计red1列，要把red1到red6合并成一个"所有红球"列再统计。蓝球则可以直接统计blue列，因为蓝球只有一个。我用这份数据画过图，红球号码整体分布比较均匀，但局部会有小波动，这个其实符合随机抽样的特征。

5.2 SQL练习的好素材

对于初学者来说，这份3287行的数据量不大不小，非常适合练习SQL。你可以试着跑这些查询：

-- 按年份统计一等奖注数之和 SELECT YEAR(open_date) AS year, SUM(first_prize_count) AS total_prizes FROM ssq_history GROUP BY YEAR(open_date) ORDER BY year; -- 找出所有开奖日期为周六的期号 SELECT issue, open_date FROM ssq_history WHERE DAYOFWEEK(open_date) = 7; -- 统计每个蓝球号码在2024年出现的次数 SELECT blue, COUNT(*) AS cnt FROM ssq_history WHERE YEAR(open_date) = 2024 GROUP BY blue ORDER BY cnt DESC;

这类查询覆盖了YEAR、DAYOFWEEK、GROUP BY、ORDER BY等常用语法，练完基本就能应付大多数初级数据分析需求。

5.3 与业务数据关联做进一步分析

如果你手头有其他维度的数据，比如各省份销量数据、当期天气、节假日等，可以通过期号字段与这份开奖数据做关联。比如分析春节休市前后销售额的变化趋势，或者对比周四周周日开奖的销售额差异，这些分析在Excel里用VLOOKUP就能实现，在SQL里用JOIN更直接。

我记得有一次帮朋友做"各年度双色球销售额变化趋势"分析，数据从这份表里直接按年份聚合就行，非常顺畅。这类经验说明，好的数据文件不是存起来吃灰的，而是拿来扩展分析的基础。

6. 更新数据时的一些个人建议

这套文件目前覆盖到2025年，共3287期。实际使用中每隔一段时间需要追加新开奖数据。我的建议是维护一个"增量更新脚本"，每次把新期数的数据按相同格式追加到Excel和MySQL中，而不是整体重新导入。避免因为某一年规则调整、期号重新编号导致整体数据出错。

更新时有一点要特别留意：双色球偶尔会有开奖时间调整（比如春节休市、国庆期间的调休），如果直接从网上抓取数据，很可能把"休市"误判为"数据缺失"。稳妥做法是每抓取一批新的期号后，用MAX(issue)和官方公告对比一次，确认最新的期号没有断档。

另外说句经验之谈：无论Excel还是MySQL，务必给原始数据做过一次备份。我见过好几个人在导入过程中误操作把整张表清空，靠备份才救回来。数据整理这种工作，花在备份上的时间永远值得。

本文还有配套的精品资源，点击获取