feat(data): clean.py 四个函数落地；补测试、docstring 与 ruff 清理

src 由用户本人写（决策 25），Codex 只做审查、补测试与文档。

实现（用户）：
- clean_missing：按行/列删缺失过多的行，threshold 用 math.ceil 算 min_non_na
  （3 列、阈值 0.5 时必须是 2；写 int() 截断会漏删）
- impute_missing / detect_outliers / winsorize（原属 L1，顺手落地）

Codex 改的轻度项：
- 按 §4.7 给四个函数补 Parameters / Returns / Raises（与 io.py 同一套 numpydoc 格式）
- ruff 6 -> 1：导入分组（I001）、elif 链改 if 加末尾无条件 return（RET505/RET503）、
  去掉多余 f 前缀（F541）、删掉只会被覆盖的 mask 初始化、去掉行尾空白（W293）
- tests/test_data.py：新增 13 条 clean 行为测试 + 7 条 xfail

结果：
- pytest 53 passed / 42 skipped / 7 xfailed（此前 40 / 44 / 0）
- pyright 0 errors, 0 warnings
- ruff 剩 1 条 SIM102，就在 detect_outliers 里那段待修的代码中，删掉即全绿

已知未修（详见 STATUS.md「下一步」）：
- detect_outliers 三个 bug：threshold 范围校验放错函数（iqr 分支 UnboundLocalError、
  zscore 默认 3.0 被 [0,1] 拒掉）、quantile 在含文本列的表上崩、
  is_series / is_ld_array 在 data 已转 DataFrame 之后才判断，因此永远为 False
- winsorize 同样在含文本列的表上崩
- impute_missing 的 mode 分支就地修改调用方的表

STATUS.md

@@ -62,7 +62,7 @@
 - [x] 推送通道：公网 22 被防火墙过滤 → 改用 Tailscale（`100.115.86.48:22`），
       `~/.ssh/config` 加了一条域名别名，remote 里仍写域名
 
-**E. L0 实现进度（3/12）**
+**E. L0 实现进度（4/12）**
 - [x] `core/result.py` 的 `Result`
       - `__repr__`：单行紧凑；`data` 只给类型与规模，**绝不**整数组打印
         （十万级数组的 repr 实测仍 < 200 字符）；`success` 恒在
@@ -90,7 +90,13 @@
       - 测试：`tests/test_data.py` 由 1 条（且被模块级 skip 掉）扩到 **9 条**
       - docstring 的 `Parameters` / `Raises` 已按 §4.7 补齐（Codex 代写，用户授权）——
         numpydoc 格式，对齐参考实现 `core/random.py` 的 `get_rng`
-- [ ] 剩余 9 项（10 个函数）：`clean_missing`
+- [x] `data/clean.py` 的 `clean_missing`（L0 第 4 项）
+      - 实现由**用户本人**写，Codex 只做审查、补测试与文档
+      - `threshold` 用 `math.ceil` 算 `min_non_na`：3 列、阈值 0.5 时必须是 2，
+        写 `int()` 截断会漏删
+      - 顺手落地兄弟函数 `impute_missing` / `winsorize`（原属 L1）
+- [ ] **待修：** `detect_outliers` 已写但有 3 个 bug（见下）
+- [ ] 剩余 7 项：`normalize`
       `detect_outliers` `normalize` `standardize` `describe` `correlation_matrix`
       `bootstrap_ci` `monte_carlo` `save_figure`
 
@@ -98,19 +104,21 @@
 
 | 检查 | venv | conda `mcm-toolkit` |
 |---|---|---|
-| `pytest` | **40 passed, 44 skipped** | **40 passed, 44 skipped** |
+| `pytest` | 见下（单列） | **53 passed, 42 skipped, 7 xfailed** |
 | `import mcm_toolkit` | 0.0.1 / 16 项 | 0.0.1 / 16 项 |
-| `ruff check` | All checks passed | All checks passed |
+| `ruff check` | All checks passed | **1 error**（就在 `detect_outliers` 那段待修的代码里） |
 | `scripts/doctor.ps1` | 跑通 | — |
 | SALib / pymoo / pyright | 缺失 | 已装 |
 
 - `pyright`（分析目标 = 工作区 `.venv`）：**0 errors, 0 warnings**
   （修配置之前是 17 errors，全是"无法解析导入 numpy / pandas"，见决策 29 与
   `docs/04-environment.md` 坑 7）
-- - base 亦已复核：numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6（与两套环境一致）
-- skip 的都是等实现的算法行为测试；通过的 39 条 = 20 条公开 API 契约测试
-  （`tests/test_api_surface.py`）+ 11 条 `core` 行为测试（`tests/test_core.py`）
-  + 9 条 `data` 行为测试（`tests/test_data.py`）
+- base 亦已复核：numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6（与两套环境一致）
+- 53 条通过 = 20 条公开 API 契约测试 + 11 条 `core` 行为测试 + 22 条 `data` 行为测试
+- 7 条 `xfail` 是**已知待修**的契约（`detect_outliers` 的 4 条、`winsorize` 混合类型、
+  `clean_missing` 阈值范围、`impute_missing` 的 mode 就地修改）；
+  修好后会自动变 XPASS，那时把 `xfail` 摘掉即可（决策 30）
+- 42 条 skip 是等实现的算法（`normalize` / `standardize` / `train_test_split` 等）
 - 三个 `.ps1` 通过 PowerShell AST 语法解析
 
 ### ⚠️ 需要注意 / 遗留
@@ -120,7 +128,7 @@
       只差 Python 补丁号（3.13.9 vs 3.13.15）。详见 `docs/04-environment.md` §5。
 - [x] ~~Gitea 远程尚未配置~~ → **已配置并推送完成**，见上面 D 节与决策 19/20。
       note：仓库当前是 **Public**（匿名 `git ls-remote` 可读），要改私有去 Gitea 仓库设置。
-- [ ] L0 完成 **3/12**（`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`），其余按 `docs/03-roadmap.md` 的 L0 → L1 顺序推进；
+- [ ] L0 完成 **4/12**（`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`、`clean_missing`），其余按 `docs/03-roadmap.md` 的 L0 → L1 顺序推进；
       详情见上面 E 节
 - [ ] 本机 `exec_command` 在沙箱模式下**完全不可用**
       （`helper_unknown_error: setup refresh had errors`），只有提权
@@ -162,17 +170,29 @@
 | 24 | `get_rng(None)` **复用同一个模块级生成器**（会推进），不每次新建 | **用户本人提出**，取代 Codex 原来"每次新建 `default_rng(全局种子)`"的写法——那样两个都省略 `random_state` 的函数会抽到完全相同的数。共享单例既保证重跑一致，又让流自然推进 |
 | 25 | `src/` 下的实现默认由**用户本人**写，Codex 只改 `tests/` 与 `docs/` | 目标是"一边学一边自己写"。曾出现 Codex 直接落盘 `random.py`、与用户编辑器缓冲区冲突导致保存失败。需要代写时用户会明说 |
 | 26 | 未实现的算法用**逐条** `@pytest.mark.skip`，禁用模块级 `pytestmark` | 模块级 skip 会把同文件里**已经写好**的函数一起跳过。本次 `test_data.py` 就这样让 `load_table` 零覆盖，直到有人手动数才被发现 |
+| 30 | 已知待修的契约用 `@pytest.mark.xfail(strict=False)`，不用 skip | skip 会让"契约还没写"和"写了但实现有问题"混在一起，5 条 skip 曾把 `clean.py` 的 bug 全藏住。xfail 照样进报告，修好后自动变 XPASS，是"修好了"的信号，而且 XPASS 不失败，不会卡住提交 |
 | 29 | 静态分析器钉死到工作区 `.venv`，并把 base 的 site-packages 用 `.pth` 链进去 | pyright / Pylance **不认** `pyvenv.cfg` 的 `include-system-site-packages`，`.venv` 自己只有 `pip`；不钉的话它们会去 PATH 上找 python，本机 PATH 上那个是 Codex 运行时的 3.14 shim，没有科学栈，于是报"无法解析导入"。`.pth` 是唯一被 pyright 认的转发手段 |
 | 28 | 不启用 ruff 的 preview 规则集 | `E302`（函数间要 2 个空行）在 ruff 0.16 里是 preview 规则，`select = ["E"]` 默认**不包含**它——所以少一个空行 ruff 照样报 "All checks passed"。行数空行得自己盯，别指望 lint |
 | 27 | base 里的 zstandard 残骸目录**改名禁用**，不删除、不重装 | 删掉不可逆；`pip install zstandard` 会给 base 塞一个 conda 记录里根本没有的包，下次 `conda update --all` 又要重新判断。改名后 `import` 变回正常 `ModuleNotFoundError`，pandas 自动跳过 |
 
 ## 下一步
 
-1. ~~`save_table` 校验顺序~~ **已修**：后缀判断提到 `mkdir` 前面，并补了回归测试
-   `test_save_table_validates_before_touching_disk`（断言参数非法时 `tmp_path` 下一个条目都不留）。
-   `io.py` 至此收尾，L0 的第 3 项完成。
-2. 继续 L0，**下一个：`data/clean.py` 的 `clean_missing`**（L0 / A 档，直接能写）。
-   同文件的 `detect_outliers` 是 **S 档**，要先按 `docs/dev/function-card-template.md`
-   把函数卡片写出来再动手。
-3. 每写完一个函数，在 `examples/` 里加一行最小用法，并更新本文件。
-4. L0 跑通后，找一道真题（建议 2025 C）走完整流程，反向沉淀函数。
+1. **修 `detect_outliers`**（唯一挡在 L0 前进路上的 🔴，三处都在 `src/mcm_toolkit/data/clean.py`）：
+   - `clean.py:165-167` 的 `threshold` 范围校验放错了函数：`threshold` 只在 zscore 分支
+     赋值，iqr 走进去就是 `UnboundLocalError`；而且 z 的阈值本来就是 3.0，
+     用 `0 <= threshold <= 1` 卡它必然把默认值拒掉。
+     你本意多半是想校验 `clean_missing` 的 `threshold`（那个才该是 [0,1]）——把它挪过去，
+     `detect_outliers` 里删掉。ruff 剩下的那 1 条（SIM102）也在这 3 行里，删掉就全绿。
+   - `clean.py:145` 的 `df.quantile()` 要在**数值列**上算：`df.select_dtypes(include='number')`，
+     否则赛题表一带文本列就崩。`winsorize` 的 `clean.py:186` 同病，
+     而且它的空数值列判断排在了分位数之后，等于没兜住。
+   - `clean.py:130-131` 的 `is_series` / `is_ld_array` **永远为 False**：
+     第 114-117 行已经把 `data` 转成 DataFrame 了，再判断 `isinstance(data, pd.Series)` 自然不成立。
+     要在转换**之前**记下来，或者干脆用 `inspect` 拿原始入参。修好后
+     `test_detect_outliers_returns_mask_not_filtered_data` 会从 xfail 变 XPASS。
+2. **写 `detect_outliers` 的 S 档函数卡片**（`docs/algorithms/` 下，照 `docs/dev/function-card-template.md`）。
+   roadmap 要求 S 档先写卡片再写码 —— 这次是反着来的，所以三个 bug 都在"该想清楚"的地方翻车：
+   上界符号、布尔优先级、维度。卡片本身就是防这个的。
+3. 顺手把 `impute_missing` 的 mode 分支改成**返回新表**（现在就地改调用方的 DataFrame，和另外四个分支不一致）。
+4. 每写完一个函数，在 `examples/` 里加一行最小用法。
+5. L0 跑通后，找一道真题（建议 2025 C）走完整流程，反向沉淀函数。