feat(data): transform.py 四个函数落地；补 18 条测试、清 5 条 ruff

实现（用户本人写）：
- normalize（minmax / vector / max，三种都按列）+ feature_range 校验 + 常量列不出 nan
- standardize（按列，ddof 真的传下去）+ 类型守卫
- log_transform（offset=None 时自动取 1 - min(x)，保证 x + offset >= 1）+ 类型守卫
- one_hot_encode（自动识别对象列 / 指定列 / drop_first）
- data/ 下的 L0 至此结清（L0 7/12）

Codex 的轻度修复（不改接口与语义）：
- 清掉 5 条 ruff：RET503 / F541 / RET504 / RET505 / SIM108
- supported_method 与 feature_range 的校验提到 np.asarray 之前（守卫集中开头）
- 修掉说反的报错文案（条件是要求下界 < 上界，原文写"上界必须小于下界"）
- one_hot_encode 自动识别时显式加上 str / string：只写 object 在 pandas 3 上是弃用路径，
  每次调用发 Pandas4Warning，未来会变成"一列都选不中"的静默错误（详见坑 9）

测试：
- 新写 18 条（transform 段），其中两条是把原先挂着的 skip 转为实跑 ——
  normalize / standardize 的实现此前一条测试都没跑到（详见个人易错点 9）
- 82 passed / 40 skipped / 0 xfailed；ruff 0；pyright 0

文档：
- STATUS.md：E 节 + 验证表（122 条用例分布）+ 下一步重写（transform 待定的 4 个口径）+ 决策 34
- docs/04-environment.md：新增坑 9（pandas 3 的 str dtype 与 select_dtypes 弃用路径，含实测对照表）
- docs/dev/personal-pitfalls.md：只追加第 9 条（实现写完但测试还挂 skip，绿灯是假的）
- CHANGELOG.md：本轮变更 + 记录 transform 待定的 4 个口径

docs/04-environment.md

@@ -271,6 +271,37 @@ numeric = cast(pd.DataFrame, data[numeric_cols])
 **一句诊断口诀**：pyright 说某行"属性不存在"、但运行时确实能跑，先 `reveal_type(...)`
 把真实推断打出来，看并集里混进了什么，别急着加 `# type: ignore`。
 
+**坑 9 —— pandas 3 起字符串列的 dtype 是 `str`，`select_dtypes(include=["object"])` 已走弃用路径。**
+
+现象：`one_hot_encode` 自动识别类别列时只写了 `['object', 'category']`，
+功能看起来正常，但**每次调用都发一条 `Pandas4Warning`**，而且 warning 里写着这个行为
+"will be removed in a future version"。
+
+```text
+For backward compatibility, 'str' dtypes are included by select_dtypes when 'object'
+dtype is specified. This behavior is deprecated and will be removed in a future version.
+```
+
+原因：pandas 3 起字符串列的 dtype 是 `str`（不再是 `object`）。当前版本为了向后兼容
+仍然把 `str` 列算进 `object`，但那是**过渡行为**。等它真的移除，`include=['object']`
+会一列都选不中 —— 那时 `one_hot_encode(df)` 会**静默**返回未编码的原表，
+不报错、不告警，是最难查的那类错。
+
+实测（本机 pandas 3.0.6）：
+
+| 写法 | 选中 | 告警 |
+|---|---|---|
+| `include=['object', 'category']` | ✅ | **1 条** |
+| `include=['object', 'category', 'str', 'string']` | ✅ | 0 |
+| `include=['str', 'string']` | ✅ | 0 |
+
+修法：把 `'str'` / `'string'` 显式写进 `include`（这也是 pandas 官方迁移指南推荐的写法，
+同时兼容 pandas 2 与 3）。配套测试用 `warnings.catch_warnings(record=True)` 断言
+**一条告警都不该有**，这样以后 pandas 再收紧行为时会立刻变红，不会静默。
+
+**一句诊断口诀**：`select_dtypes` 选不中东西时，先 `print(df[col].dtype)` 看真实 dtype，
+别照着记忆里的 `object` 写。
+
 ---
 
 ---

docs/dev/personal-pitfalls.md

@@ -128,3 +128,17 @@
   把该收窄的地方一次列全，别改完第一处就收手；
   并且以测试信号（XFAIL → XPASS）为准，别以"我改的那一行看起来对了"为准。
 - 首次：2026-10-02｜复发：0
+
+### 9. 实现写完了，测试还挂着 skip —— 绿灯是假的
+
+- 现象：`transform.py` 四个函数都写完了，`pytest` 一片绿（`64 passed`），
+  但 `test_normalize_minmax_range` / `test_standardize_has_zero_mean_unit_std` 两条
+  还挂着 `@pytest.mark.skip(reason=_NOT_IMPLEMENTED)` —— 新代码**一条测试都没跑到**。
+  顺带还漏掉一个真错：`normalize` 少了兄弟函数都有的类型守卫，`normalize(None)` 静默返回 NaN。
+- 为什么会错：`skip` 是"还没写"的意思，写完实现后该由**写的人**把它摘掉；
+  但摘 mark 这个动作不在"写函数"的肌肉记忆里，跑一次 `pytest` 看到全绿就以为收工了。
+  这是决策 26 埋下的反面：逐条 skip 比模块级 skip 精确，但**数量得自己盯**。
+- 以后怎么防：每次写完实现，用 `pytest -q -rs`（或 `--collect-only`）**核对 skip 条数掉没掉**；
+  条数没变就说明实现没被验证过。另一个信号是 `pytest --collect-only` 的收集数 ——
+  新写的测试没进收集列表，就是名字或位置不对。
+- 首次：2026-10-02｜复发：0