refactor(core): 统一入口 as_array —— 六处手抄的入参处理收成一处（决策 44/45）

## 新增
- `core.validate.as_array(x, *, numeric_only=True, dtype=float, ndim=None) -> (arr, kind)`：
  一次做完"类型白名单 + 转 ndarray + 报告原来是什么容器"。`kind` 是 `"frame"` / `"series"` / `"array"`。
- **还原不代做**（用户拍的板）：`describe` / `correlation_*` / `confidence_interval` / `t_test` 的
  输出天生与输入不同形，统一还原只会重演易错点 14；所以只报告 `kind`，调用方自己手写三行。
- `core/__init__.py` 导出 `as_array`；`check_array`（L1 未实现）的 docstring 注明实现时复用它。
- 入口三条硬规矩：**默认绝不摊平**（要摊平显式 `ndim=1`）；**不删缺失值**；
  `numeric_only` 按"输出是否与输入同形"选，不按喜好选。

## 去重
- `normalize` / `standardize` / `log_transform` / `zscore` / `confidence_interval` / `t_test`
  六处手抄的 `isinstance(x, pd.DataFrame)` / `select_dtypes` / `np.asarray` 全部删掉，各剩 1 行入口。
- `data/transform.py` 的 `_NUMERIC_TYPES` 白名单连同 3 份副本一起删除 ——
  这类判断原来散在 **5 个文件 31 处**。
- `transform` 的三个函数走 `numeric_only=False`：它们的输出必须与输入同形，跳过非数值列会少列。

## 修掉
- `zscore` / `normalize` / `standardize` / `log_transform` 的 Series 分支**补回 `name`** ——
  此前 `pd.Series(result, index=...)` 会把 `name` 丢掉，管道里 `concat` 会变成无名列。
- "容器对、内容转不成 float"的错误类型，由 numpy 的 `ValueError` 统一成 `TypeError`（决策 45，**待确认**）。

## 测试与文档
- `tests/test_core.py` 新增 `TestAsArray` 8 条：五种容器的 kind、默认只取数值列、
  `numeric_only=False` 遇文本报错、默认不摊平、`ndim=2` 只校验不重塑、白名单外一律 TypeError、
  **保留 NaN**、`dtype=None` 保持原 dtype；`tests/test_stats.py` 新增 1 条（Series 保住 index/name）。
- 全量 **171 条：134 passed / 37 skipped / 0 xfail**；ruff 0，pyright 0；`examples/01` 跑通（exit 0）。
- `docs/02-architecture.md` 新增 §4.8「入口只有一个：`core.validate.as_array`」，目录树补 `as_array`；
  `docs/03-roadmap.md` 的 L1 表下补说明；`docs/dev/personal-pitfalls.md` 新增第 16 条并把索引补到 16。
- `STATUS.md`：决策 44 / 45，E 节记 as_array，「下一步」第 7 条列 3 个待拍板口径。

## 待用户拍板（Codex 一律未代选）
- `int` / `float` 标量是否继续留在白名单（现在会产出 0 维数组，`axis=0` 的算法照样炸）。
- "内容转不成 float" 该用 `TypeError`（现状）还是 `ValueError`。
- 要不要让 `as_array` 顺带返回选中的列（改三元组），省掉 `frame` 分支重写 `select_dtypes`。

docs/02-architecture.md

@@ -24,7 +24,7 @@ src/mcm_toolkit/
 ├── core/                ① 基础设施 —— 所有包的地基
 │   ├── result.py        Result
 │   ├── random.py        set_seed / get_rng
-│   └── validate.py      check_array / check_same_length / check_probability / check_square
+│   └── validate.py      as_array（统一入口）/ check_array / check_same_length / check_probability / check_square
 │
 ├── data/                ② 数据进出 —— 最高频
 │   ├── io.py            load_table / save_table
@@ -183,6 +183,32 @@ docstring 给人看。两处打架时，合法用法会被标红，真正的错
 
 参考实现：`core/random.py` 的 `get_rng`。
 
+### 4.8 入口只有一个：`core.validate.as_array`
+
+**凡是要数值数组的函数，第一行都从 `as_array` 进**，不要各自抄
+`isinstance(x, pd.DataFrame)` / `select_dtypes` / `np.asarray`：
+
+```python
+arr, kind = as_array(x, numeric_only=False)   # 入口：白名单 + 转 ndarray + 报告原类型
+...                                           # 中间只写算法
+if kind == "frame":                           # 出口：自己手写，各函数形状不同，没法一刀切
+    return pd.DataFrame(result, index=x.index, columns=x.columns)
+if kind == "series":
+    return pd.Series(result, index=x.index, name=x.name)
+return result
+```
+
+三条硬规矩：
+
+1. **`numeric_only` 按"输出契约"选，不按喜好选**：输出要与输入**同形**的函数
+   （`normalize` / `standardize` / `log_transform`）必须 `False` —— 跳过非数值列会让返回的表少列、
+   对不上原表；输出是"一张数值结果表"的（`zscore` / `confidence_interval` / `t_test`）用默认的 `True`。
+2. **默认不摊平**。要摊平必须显式 `ndim=1`（`t_test` 曾因静默摊平把 `gdp` 和 `pop` 混成一个样本）。
+3. **`as_array` 不删缺失值**。`df.corr` 成对删、`describe` 整列统计、`paired=True` 的 t 检验必须**成对**删 ——
+   在这一层删掉，行与行的对应关系就永久丢了。删缺失是**语义**，归各函数。
+
+只走入口、不走出口的（输出与输入不同形）：`describe`、`correlation_*`、`confidence_interval`、`t_test`。
+
 ---
 
 ## 五、测试策略

docs/03-roadmap.md

@@ -37,6 +37,8 @@
 |---|---|
 | `core` | `check_array` `check_same_length` `check_probability` `check_square_matrix` |
 | `data` | `impute_missing` `winsorize` `log_transform` `one_hot_encode` `train_test_split` `kfold_split` `bootstrap_sample` |
+
+> `core.validate.as_array`（**统一入口**，决策 44）已提前落地。它不是"多一个公开 API"，
 | `stats` | `zscore` `coefficient_of_variation` `confidence_interval` `t_test` `anova` `chi_square_test` `fit_distribution` `goodness_of_fit` `bootstrap_statistic` |
 | `models` | `rmse` `mae` `mape` `smape` `r2_score` `adjusted_r2` `compare_models` `fit_linear` `fit_polynomial` `fit_nonlinear` `predict` `exponential_smoothing` `fit_arima` `forecast` `fit_forest` `fit_logistic` `kmeans` `pca` `cross_validate` |
 | `solve` | `minimize` `linear_program` `integer_program` `dynamic_programming` `knapsack_dp` `simulated_annealing` `pareto_front` `monte_carlo_probability` `monte_carlo_integral` `random_walk` `markov_simulate` `markov_steady_state` `mm1_metrics` `local_sensitivity` `one_at_a_time` `parameter_sweep` `robustness_test` `sobol_analyze` `morris_analyze` |

docs/dev/personal-pitfalls.md

@@ -37,6 +37,7 @@
 | 13 | `Index == 标量` 得到布尔数组，`if` 要等到第 2 列才炸 | 2026-10-03 |
 | 14 | 把"能看的表"和"能算的表"塞进同一个返回值 | 2026-10-03 |
 | 15 | 区间被无条件夹到 `[0, 1]`，且 `min` / `max` 参数写反 | 2026-10-03 |
+| 16 | 同一段入口转换抄了 N 遍，还当它是"本项目的写法" | 2026-10-03 |
 
 ---
 
@@ -269,3 +270,20 @@
   ④ 记住 `min` / `max` **不传播 nan、结果还取决于参数顺序**（`min(0.0, nan)` → `0.0`、
   `min(nan, 0.0)` → `nan`）—— "夹一下"就能把 nan 悄悄换成边界值。
 - 首次：2026-10-03｜复发：0
+
+### 16. 同一段入口转换抄了 N 遍，还当它是"本项目的写法"
+
+- 现象：`normalize` / `standardize` / `log_transform` / `zscore` / `confidence_interval` / `t_test`
+  六个函数各自抄了同一段 5~8 行：白名单 `isinstance` → `is_df` / `is_series` → 抓 `columns` / `index`
+  → `np.asarray`。这类判断一度散在 **5 个文件 31 处**。抄到第三遍时已经不觉得是重复了，
+  反而觉得"这就是本项目的入参写法"。
+- 为什么会错：重复代码每次只多 3~5 行，看着不痛；但每多一处就多一次**口径分叉**的机会 ——
+  而且真的分叉了：`normalize` 拿整表 `np.asarray`（遇文本列直接抛）、`zscore` 用 `select_dtypes`
+  只取数值列、`confidence_interval` 还多一个 `.ravel()`。同一件事三种口径，出 bug 时你还得先判断
+  "这是哪个副本的行为"。
+- 以后怎么防：① 同一段入参处理**抄到第 2 遍**就该抽，别等第 3 遍；
+  ② 抽之前先问一句"输出的形状是不是和输入一样"——**入口能统一、出口不能一刀切**
+  （`describe` / `correlation_*` 的输出天生不同形，硬套还原会重演第 14 条）；
+  ③ 抽出来的函数只干**一件事**：把容器转成数组、并告诉调用方原来是什么。
+  选列 / 摊平 / 删缺失这些是**语义**，必须留在各函数里（否则重演第 15 条与 `paired=True` 的 NaN 错位）。
+- 首次：2026-10-03｜复发：0