占卜师的占卜术(1-背景篇)
一、前言
知识不应该收费，因为知识是无价的。请尊重他人的劳动成果。
对此文的任何部分有任何不明确的点或者异议、以及有任何深入研究的想法，欢迎私戳笔者友好讨论。
二、背景
请看以下牌型：
图1切7p后默听满贯，4p是传统意义上的“大中张”，这里就有两种逻辑：第一是“反正其他人也不会切，那不如立直压制他们做牌，自摸还能有跳满”，第二是“不立直还是有可能可以捡到其他人漏出来的4p的，自摸满贯也不亏”。之前有教练对这种愚型中张有役默听x翻（x∈[3,6]）进行了局收支期望的讨论，这里先按下不表，想回答一个更本质的问题：在这个巡目，其他三家舍出4p的概率到底有多大？
在图1的基础上，有了图2。打点和图1完全相同，区别是4p在“大中张”的基础上，变成了dora。同样是前面的两种逻辑，“反正其他人也不会切”的感觉进一步提升了，或许判断相比图1又有了一些变化。同样，这里想回答一个更本质的问题：在这个巡目，其他三家舍出身为dora的4p的概率有多大，相比普通的情况减小了多少？
图3切9m后虽然听牌14m，但对4m完全没有兴趣。这里也有两种逻辑：第一是“他家在这个巡目切1m的概率比切4m高多了，那不如默听等1m，他家切4m见逃，自己自摸4m可以振立”，第二是“即使立直后1m的荣和期待也显然高于4m，与其这样不如追求自摸1m的倍满，自摸4m也能稍微好受一点”。类似图1和图2，这里也存在一个本质的问题：在这个巡目，其他三家切1m的概率到底比4m高多少？
在图3的基础上，有了图4。相比图3，1m变成了dora，默听荣和其他家1m的期待显然是下降了，或许判断也有了一些变化。同样，这里的本质问题是：在这个巡目，当1m是dora的情况下，其他家是更容易切出1m还是4m，相差多少，相比1m不是dora的情况变了多少？
为了定量讨论这些问题，需要从大量实战牌谱出发，抽取每一巡的舍牌，并对其进行统计分析。为此，笔者爬取了2021年所有四凤南喰赤的牌谱，提取每一小局的前48张舍牌以及dora信息，并进行整合、分析和讨论。
三、方法
1.牌谱提取
天凤提供了从2006-2021年间、按年区分的牌谱合计，从https://tenhou.net/sc/raw 即可下载。本文选取2021年的所有凤凰卓牌谱，并从中筛选出规则为四凤南喰赤的对局，约有18.7万局。
下载到的牌谱链接格式如https://tenhou.net/3/?log=2022120216gm-00e1-0000-98e2fb83&tw=3 。此类格式会自动生成常见的动态牌谱而非可文字化处理的牌谱。对其中某些关键字符进行替换后，变成如http://tenhou.net/0/log/?2022120216gm-00e1-0000-98e2fb83 的链接，即文字版牌谱。
对下载下来的所有牌谱，批量替换上述关键字符，爬取得到约18.7万个文字版的四凤南喰赤牌谱。
2.文字版牌谱解释
以上述链接中的东一局零本场对应的文字版牌谱“<mjloggm ver="2.3"><SHUFFLE seed="mt19937ar-sha512-n288-base64,1GUPHze3P5…" dan="18,17,17,17" rate="2322.21,2183.54,2299.71,2192.52" sx="M,M,M,M"/><TAIKYOKU oya="0"/><INIT seed="0,0,0,0,4,83" ten="250,250,250,250" oya="0" hai0="39,121,3,112,134,115,107,130,111,59,63,10,22" hai1="104,135,58,44,9,88,61,81,42,57,55,82,132" hai2="109,100,37,26,86,13,106,103,119,12,51,62,46" hai3="43,126,102,21,77,2,73,66,116,85,27,129,11"/><T89/><D121/><U98/><E58/><V78/><F37/><W93/><G116/><T71/><D130/><U99/><E9/><V133/><F119/><W127/><G73/><T35/><D35/><U34/><E34/><V50/><F109/><W122/><G129/><T28/><D39/><U118/><E118/><V36/><F36/><W117/><G117/><T45/><D107/><U49/><E104/><V4/><F133/><N who="1" m="51273" /><E82/><N who="2" m="47447" /><F106/><W97/><G122/><T56/><D10/><U125/><E125/><N who="3" m="47626" /><G66/><T38/><D56/><U41/><E41/><N who="2" m="24911" /><F62/><W29/><G43/><T40/><D40/><U0/><E0/><V75/><F75/><W87/><G77/><T15/><D63/><U30/><E30/><V95/><F4/><AGARI ba="0,0" hai="2,4,11,21,27,29,85,87,93,97,102" m="47626" machi="4" ten="30,3900,0" yaku="18,1,52,2" doraHai="83" who="3" fromWho="2" sc="250,0,250,0,250,-39,250,39" />”为例，进行如下解释：
1) 数字与牌的对应
整体顺序为1m→9m→1p→9p→1s→9s→1z→7z，即数字0-3均对应1m，数字4-7均对应2m，以此类推。特别的，16表示0m，52表示0p，88表示0s。
2) 版本号与种子码
以“<mjloggm ver="2.3"><SHUFFLE seed=”开头，和研究内容无关，无视。
3) 玩家信息
“dan=”表示四位玩家的段位，“rate=”表示四位玩家的R值，“sx=”表示四位玩家的性别，无视。
4) 对局信息
“INIT seed=”对应单一小局信息，其中例如" INIT seed=0,0,0,0,4,83"，第一个0表示东一局（1表示东二局…11表示西四局，以此类推），第二个0表示供托0根，第三个0表示0本场，第四和第五个数字意义不明，第6个数字83表示dora指示物，83对应3s，因此本局dora为4s。
“ten=”表示小局开始时四位玩家的持有点数，无视。“oya=”表示本小局的亲，0代表东起玩家，1代表南起玩家，以此类推，无视。
5) 配牌
“hai0=”，“hai1=”，“hai2=”，“hai3=”表示四位玩家的配牌信息，无视。
6) 摸牌与打牌
每一对尖括号里的字母+数字即代表摸牌与打牌。其中，T, U, V, W开头的分别对应东南西北玩家的摸牌，无视；D, E, F, G开头的分别对应东南西北玩家的打牌，是需要提取的核心信息。这里仅提取前48打，即对应前十二巡的舍牌。
7) 鸣牌与立直
N开头的尖括号表示鸣牌信息，包括鸣牌人、鸣牌方式、鸣牌后打牌等信息。笔者在处理时认为鸣牌后场况发生显著变化，因此所有鸣牌后的打牌不纳入研究。
Reach开头的尖括号表示立直信息，包括立直玩家、立直后玩家点数、立直宣言牌等信息。同鸣牌，立直后场况发生显著变化，因此立直后的打牌不纳入研究。
8) 和牌与流局
AGARI开头的尖括号表示和牌信息，包括和牌玩家、场供、和了牌型、役种、打点、和了后点数等信息，无视。
RYUUKYOKU开头的尖括号表示流局信息，包括场供、听牌与否、听牌玩家牌型、流局后点数等信息，无视。
3.牌谱处理
对约18.7万个牌谱进行处理。
由于南场通常点数分布不均匀，会存在舍牌的偏倚，因此笔者仅纳入了东场的数据。利用INIT seed对应的单一小局信息，筛选第一个数字为0-3的对局，分别对应东一局、东二局、东三局和东四局。共从约18.7万个牌谱中提取到约107万个对局信息。
利用INIT seed的最后一个数字，存留dora指示物信息，其余信息删除。
记录D, E, F, G开头的尖括号内的数字，即为对应玩家的舍牌。利用数字和牌的对应关系，将数字转换为牌，并进行分类统计。同时，对每一小局，根据dora指示物的信息进行归类，以分析dora相关的舍牌特征。
4.处理软件
信息爬取、大批量的文本处理使用python。
舍牌的统计分析使用excel。
统计图绘制使用thinkcell。
5.术语解释
此文的“dora”指第一张表宝牌指示物确定的宝牌，不包括赤宝牌、里宝牌、杠宝牌等。
此文的“役牌”仅包括白、发、中三种，不包括自风、场风。
