feat(data): detect_outliers 收尾（文本列恒 False）+ 补测试与文档

实现（用户本人写 + Codex 轻度收尾）：
- 统计量（quantile / mean / std）与掩码写入都收窄到数值列，含文本列的赛题表不再崩
- 非数值列在掩码里恒 False（用户定的语义），docstring Notes 补上这条
- 删掉死代码 data=data.copy()：下面的 to_frame()/pd.DataFrame() 本就返回新对象，
  函数全程只读 data，白复制一份；且它排在类型分派之前，会把错误入参的报错
  从 ValueError 变成 AttributeError
- 删掉那行死代码后 pyright 反而暴露 1 个真错：df[Index] 被类型存根当成 Series，
  .std() 于是被判成标量、std.replace(...) 非法。在取列子表处 cast 成 DataFrame
  按运行时真值收窄（详见 docs/04-environment.md 坑 8）

测试：
- test_detect_outliers_survives_text_columns 摘掉 xfail 并加强断言（文本列必须恒 False）
- 新增 test_detect_outliers_all_text_frame_returns_all_false，钉住"整表无数值列"边界
- 58 passed / 2 xfailed  ->  60 passed / 1 xfailed；ruff 0；pyright 0
- 仅剩 1 条 xfail：impute_missing 的 mode 分支就地改调用方的表（要选语义，留给用户）

文档：
- STATUS.md：L0 5/12、验证结果表、下一步重写、新增决策 32（非数值列恒 False）
- docs/04-environment.md：新增坑 8（pandas 存根让 df[Index] 退化成 Series，及三种无效修法）
- docs/dev/personal-pitfalls.md：只追加第 8 条（限制掩码 ≠ 限制统计量）
- CHANGELOG.md：本轮变更

docs/04-environment.md

@@ -228,6 +228,51 @@ pythonVersion = "3.13"     # 不写就跟着 PATH 上那个 3.14 走
 **一句诊断口诀**：编辑器说"解析不到包"时，先跑 `pyright --verbose` 看它的
 `Search paths`，而不是先去 `pip install`。
 
+**坑 8 —— `df[Index]` 被 pyright 当成 `Series`，`.std()` 的结果于是被判成标量。**
+
+现象：`data/clean.py` 里
+
+```python
+numeric = data[numeric_cols]        # numeric_cols = df.select_dtypes(...).columns
+std = numeric.std()
+std = std.replace(0, np.nan)        # pyright: 无法访问类"float"的属性"replace"
+```
+
+运行时 `numeric` 明明是 DataFrame、`std` 明明是按列的 Series，pyright 却报这个错。
+
+原因：pandas 自带的类型注解里，`DataFrame.__getitem__` 只声明了「`Hashable` → `Series`」
+这一支。拿一个 `Index` 去索引时它挑中这个重载，`numeric` 就被推断成 `Series | DataFrame`；
+而 `Series.std()` 返回的是**标量**，两支一取并集就把 `float` 带了进来 —— `float` 当然没有
+`.replace`。用 `reveal_type` 一问就现原形：
+
+```text
+“numeric”的类型为“Series | Unknown | Self@DataFrame”
+“numeric.std(axis=0)”的类型为“Series | float | Unknown”
+```
+
+几个**没用**的修法（都实测过）：
+
+- `numeric.std(axis=0)` —— 接收方本身还是并集，重载照样解析成并集；
+- `data[list(numeric_cols)]` —— 不改变重载选择；
+- 把参数改由一个类型明确的 `frame` 局部变量承接 —— `frame` 确实干净了，
+  但 `frame[Index]` 还是同一个重载问题。
+
+有效的修法是**只在取列子表那一句上按运行时的真值收窄**：
+
+```python
+from typing import cast
+
+numeric = cast(pd.DataFrame, data[numeric_cols])
+```
+
+`cast` 零运行时开销，而且能把**下面所有行**留在类型检查范围内 —— 比在 `.replace` 那一行
+挂 `# pyright: ignore` 好：那样等于连带放弃后面每一行的检查。
+
+**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`。
+
+---
+
 ---
 
 ## 五、两套环境的实际版本（已对齐）

docs/dev/personal-pitfalls.md

@@ -114,3 +114,17 @@
   逐条问"这句话对每种类型都成立吗"；不成立的往后挪，
   挪进 `if isinstance(...)` 里面，让它只有对应的那一支能走到。
 - 首次：2026-10-02｜复发：0
+
+### 8. 改了一处，忘了同源的另一处
+
+- 现象：给 `detect_outliers` 加"文本列不参与"的修复时，只把**掩码写入**收窄到数值列
+  （`mask[numeric_cols] = ...`），却让 `data.quantile()` / `data.mean()` / `data.std()`
+  继续在全表上算。测试照样红 —— 文本列在**算统计量**那一步就崩了，跟掩码怎么写没关系。
+- 为什么会错：眼睛盯着"结果往哪放"（掩码），没回头问"这些数是从哪儿来的"。
+  同一份数据在函数里要过两道加工：**先出统计量（分位数 / 均值 / 标准差），再拿去比较**。
+  只把后一道收窄、前一道还是全表，等于没修。
+  修完测试报告里那条仍是 XFAIL，就是这个信号 —— 报告没变绿，说明根因没抓着。
+- 以后怎么防：修"某处不该参与计算"这类问题时，顺着数据从入到出**走一遍**，
+  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