From d64096f5c8c9b093ef80e6229751322b72ac8fb0 Mon Sep 17 00:00:00 2001
From: zlt <zlt@zlt.com>
Date: Thu, 30 Jul 2026 10:00:55 +0800
Subject: [PATCH] =?UTF-8?q?probe:=20corr=20=E8=8A=82=E5=8E=BB=20scipy=20?=
 =?UTF-8?q?=E4=BE=9D=E8=B5=96=EF=BC=8C=E4=BF=AE=2007-30=20=E9=A6=96?=
 =?UTF-8?q?=E8=B7=91=E5=B4=A9=E7=82=B9?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

DataFrame.corr(spearman) 是 pandas 内置实现，Series.corr(spearman) 却要
import scipy——容器未装，07-26 重写的 corr 节首次实跑在矩阵打完后崩，
②权重体检/两段式重合度两张读数没出。改法：复用整表矩阵取 c_hv，零新依赖。
---
 docs/G1实测与待办_2026-07-26.md | 8 ++++++++
 probe.py                        | 7 +++++--
 2 files changed, 13 insertions(+), 2 deletions(-)

diff --git a/docs/G1实测与待办_2026-07-26.md b/docs/G1实测与待办_2026-07-26.md
index e4fb195..54c8a94 100644
--- a/docs/G1实测与待办_2026-07-26.md
+++ b/docs/G1实测与待办_2026-07-26.md
@@ -210,6 +210,14 @@ probe 三张读数提醒已钉 **07-30 周四 19:00**。
 - **今晚（07-28）=首个全自动夜**，明晨验：①mkt_daily 07-28 三 kind（第二拍是否兜住）
   ②传导台账 mkt_trade_date=07-28 ③桥 cron 10:40 UTC 首次正点（frozen/2026-07-28
   重新出现 + 因子行数非 0 + 新自检无假阳性）。
+- **抽取管道三本账实证 + 节奏拍板（07-28 下午）**：docs_total 48986 ≈ inbox 48461+525
+  ⇒ **inbox=已登记语料库存**（raw_uri 锚 inbox/，**不可清**），登记侧零积压；
+  真积压=待抽取 34624（与队列 32871 差 1753 在容差内，队列清空时对账会揪出掉单）；
+  组成 **95.7%=2026 当年公告**（33126/34624）⇒ 筛选降载无肉可割。
+  **拍板：提速×2**——`docker compose up -d --scale worker=2`（compose 自带路径，
+  快线隔离不受影响，可一条命令回退）。判收：日检 v1.1 速率行 ≈140 单/h、ETA≈10 天；
+  若仍 ~70/h = 云端限流为瓶颈，回退并另议提额。日检脚本 v1.1（三本账语义+速率/ETA+
+  对账告警）已入 backend/scripts/daily_check.py，pull 后需重新 docker cp。
 7. ✅(07-27 已回) mkt_daily stock 按日行数：52/52/131/81/1674/1674/1675/1675/727
    （07-10~07-24，缺 07-16、07-21）。四个结论：
    ① stock 快照 = **池内快照非全市场**（1674≈当时池规模）——probe"有现价 727"
diff --git a/probe.py b/probe.py
index 1a34a00..5cd0343 100644
--- a/probe.py
+++ b/probe.py
@@ -205,8 +205,11 @@ def probe_corr():
     P["z_V"] = _robust_z(P["upside"])
 
     print("\n① 相关矩阵（Spearman，池内）：")
-    print(P[["z_T", "z_H", "z_V"]].corr(method="spearman").round(3).to_string())
-    c_hv = float(P["z_H"].corr(P["z_V"], method="spearman"))
+    # 整表 DataFrame.corr(spearman) 是 pandas 内置实现；单对 Series.corr(spearman)
+    # 却会 import scipy（容器未装，07-30 首跑即崩）——复用整表结果，零新依赖。
+    cm = P[["z_T", "z_H", "z_V"]].corr(method="spearman")
+    print(cm.round(3).to_string())
+    c_hv = float(cm.loc["z_H", "z_V"])
     if abs(c_hv) > 0.5:
         print(f"\n  ⚠️ corr(z_H, z_V) = {c_hv:+.3f} —— 「还没热」与「便宜」高度共线，"
               f"\n     「三项加权」实际是两项，§9-8 的权重讨论应重开"