pr 查询：工具换数据源后历史曲线是否还能连接，为什么样本正常、规模化后却断裂
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /0018920edcdb.html
📄
pr 查询：工具换数据源后历史曲线是否还能连接，为什么样本正常、规模化后却断裂
不能直接连接。换数据源后，历史曲线能否延续，取决于新旧数据源对同一指标的定义、采集口径和取值时间是否一致。如果只换了底层数据源而指标定义没变，曲线通常可以拼接；如果定义或口径变了，拼接出来的曲线只是视觉上连续，实际不可比。下面按这个判断展开。
为什么样本正常、规模化后却断裂
个别域名在新旧数据源下取值接近，容易让人以为可以无缝拼接。规模扩大后，例外集中出现，原因通常是两类：一是新旧源对指标的定义不同，二是同一指标在时间维度上的更新节奏不同。前者会让数值整体偏移，后者会让某个时间点出现空档或重复计数。
以假设的 pr 查询工具为例。旧源可能把某类链接计入指标，新源不计入。单看几个样本时，这类链接恰好很少，差异被噪声掩盖；样本量上去后，差异被放大，曲线在切换点出现台阶。这个台阶不是真实变化，而是口径变化。
两个解释：口径变化与更新节奏差异
解释一：口径变化。新旧源对“计入范围”“去重方式”“取值时间”中至少一项定义不同。表现是切换点前后整体水平移动，且移动方向一致。
解释二：更新节奏差异。新源更新更慢或更快，导致切换点附近出现数据缺失或重复。表现是切换点附近曲线抖动，而不是整体平移。
两者可能同时存在，所以不能只看一条曲线就下结论。区分它们需要看切换点前后的分布，而不是只看均值。
能区分两种解释的证据
- 切换点前后的差值分布：如果差值集中在某个固定方向且幅度稳定，偏向口径变化；如果差值有正有负且幅度随样本波动，偏向更新节奏差异。
- 同一时间点的重复观测：在切换前后各取一个重叠时间窗口，分别用新旧源取值。若同一时间点两源取值差异稳定，说明口径不同；若差异随时间变化，说明节奏不同。
- 指标定义文档：核对两源对计入范围、去重和取值时间的说明。文档缺失时，用重叠窗口反推，而不是假设一致。
假设某工具在切换后历史曲线出现台阶。先取切换前一周和切换后一周的重叠日期，分别用两源取值。如果重叠日期上两源差异稳定，说明是口径变化，此时历史曲线不应直接连接，需要标注断点或按新口径重算历史。如果重叠日期上差异不稳定，说明是更新节奏差异，此时可以保留曲线但标注切换点，并等待新源补全后再判断。
实际动作与下一步判断
第一步动作：在切换点前后各取一个重叠时间窗口，用新旧源分别取值，记录同一时间点的差异。这个动作的结果决定下一步——差异稳定则按新口径重算历史或标注断点；差异不稳定则保留曲线并标注切换点，同时观察新源后续更新是否补齐。
如果重算历史，需要确认新源是否支持回填。不支持回填时，历史曲线只能从切换点开始，之前的段保留旧源并明确标注口径，不能把两段直接连成一条线。
如果选择保留曲线，需要在图表上标注切换点，并说明切换后数据来自新源。这样读者能区分真实变化和口径变化，避免把台阶误读为指标波动。
适用边界与不能照搬的情况
上述方法适用于新旧源对同一指标有可重叠时间窗口的情况。如果新源不提供历史回填，或者新旧源对指标的定义差异无法通过重叠窗口反推，就不能用拼接方式延续曲线。此时更稳妥的做法是分段展示，而不是追求一条连续曲线。
另外，如果 pr 查询工具本身不公开指标定义，只能通过重叠窗口反推，那么结论的可靠度取决于重叠窗口的长度和样本量。窗口太短或样本太少时，差异可能被噪声掩盖，此时不宜下结论，应扩大重叠窗口后再判断。
最后，换数据源后历史曲线是否连接，不是技术问题，而是可比性问题。可比性成立时，曲线可以拼接；可比性不成立时，拼接只会制造误导。判断可比性的依据是重叠窗口上的差异是否稳定，而不是曲线看起来是否连续。
