chore: 补 S 档卡片 / examples；clean.py 收尾，xfail 清零

实现收尾（Codex 代写，用户授权）：
- impute_missing 的 mode 分支改为返回新表（原先就地改调用方的 DataFrame，另外四支都返回新对象）
- detect_outliers 补入参类型校验（§4.7：非法类型抛 TypeError，不静默兜底）：
  接受 DataFrame / Series / list / tuple / ndarray；tuple 同时补进 is_ld_array；
  dict 不再被接受（以前靠 pd.DataFrame() 碰巧能过，见决策 33）

测试：
- 摘掉最后一条 xfail（mode 就地改）并加强断言
- 新增 3 条：非法类型抛 TypeError、元组按一维数组型处理、全 NaN 列与单元素列不抛异常
- 64 passed / 42 skipped / 0 xfailed（xfail 清零，7 条契约全部转正）；ruff 0；pyright 0

文档：
- 新增 docs/algorithms/detect_outliers.md —— 第一张 S 档函数卡片（roadmap 要求约 15 张）
  除模板九节外多记三条判断：为什么不返回 Result、非数值列恒 False 的两条备选路各错在哪、
  ddof 口径与 stats.zscore 不一致（前者 1、后者 0，小样本差一成）
- 新增 examples/01_clean_and_describe.py —— 六个 data 函数的最小用法，实测跑通（exit 0）
- STATUS.md：E 节收尾、验证结果表、下一步重写（transform/standardize 的待定项）、决策 33
- CHANGELOG.md：把 [Unreleased] 里重复 7 次的 Added/Changed 小节合并成 Added/Changed/Notes；
  并修掉上轮遗留的缺陷 —— pyright 那条 bullet 的开头被吞掉，半句挂在 ruff 那条后面

src/mcm_toolkit/data/clean.py

@@ -109,12 +109,15 @@ def impute_missing(data: Any, method: str = "mean", **kwargs: Any) -> Any:
     if method == 'median':
         return data.fillna(data.median(numeric_only=True),**kwargs)
     if method == 'mode':
-        mode_df = data.mode()
-        for col in data.columns:
+        # 只有这一支要逐列赋值，所以在这里单独复制一份，别就地改调用方的表
+        # （其余四支走 fillna / ffill / interpolate，本来就返回新对象）。
+        result = data.copy()
+        mode_df = result.mode()
+        for col in result.columns:
             if mode_df[col].empty:
                 continue
-            data[col] = data[col].fillna(mode_df[col].iloc[0])
-        return data
+            result[col] = result[col].fillna(mode_df[col].iloc[0])
+        return result
     if method == 'ffill':
         return data.ffill(**kwargs)
     return data.interpolate(**kwargs)
@@ -126,7 +129,7 @@ def detect_outliers(data: Any, method: Literal["iqr", "zscore"] = "iqr", **kwarg
     Parameters
     ----------
     data:
-        `pandas.DataFrame` / `pandas.Series`，或能转成表的数组型。
+        `pandas.DataFrame` / `pandas.Series`，或 `list` / `tuple` / `numpy.ndarray`。
     method:
         `"iqr"`：Q1-1.5·IQR 之外（`k` 可调，默认 1.5）；
         `"zscore"`：|z| > threshold（默认 3.0）。
@@ -139,6 +142,8 @@ def detect_outliers(data: Any, method: Literal["iqr", "zscore"] = "iqr", **kwarg
 
     Raises
     ------
+    TypeError
+        `data` 既不是 `pandas.DataFrame` / `pandas.Series`，也不是 `list` / `tuple` / `numpy.ndarray`。
     ValueError
         `method` 既不是 `"iqr"` 也不是 `"zscore"`。
 
@@ -156,8 +161,11 @@ def detect_outliers(data: Any, method: Literal["iqr", "zscore"] = "iqr", **kwarg
     >>> bool(mask[-1])
     True
     """
+    if not isinstance(data, (pd.DataFrame, pd.Series, list, tuple, np.ndarray)):
+        raise TypeError(f"data必须是pandas DataFrame/Series 或数组型,你传入了{type(data)}")
+
     is_series = isinstance(data, pd.Series)
-    is_ld_array = isinstance(data, (list, np.ndarray)) and np.array(data).ndim == 1
+    is_ld_array = isinstance(data, (list, tuple, np.ndarray)) and np.array(data).ndim == 1
 
     if isinstance(data,pd.Series):
         data = data.to_frame()