docs: L0 进度 3/12，记录 zstandard 残骸坑与决策 26/27

- STATUS.md：本次任务拆成「第一阶段已完成 / 第二阶段进行中」；
  L0 3/12；测试计数改为 39 passed / 44 skipped；
  下一步里写明 io.py 待修的两处（mkdir 早于校验、缺 Raises）
- docs/04-environment.md 坑 6：conda 升级留下的 *.conda_trash 残骸目录会被
  Python 当成 namespace package 导入成功（__file__ 为 None），
  pandas 3.0 因此抛 ImportError: Can't determine version for zstandard
  直接打断 pd.read_csv；含排查方法与「改名禁用」的修法
- docs/dev/personal-pitfalls.md：条目 3（注解与 docstring 打架）复发 +1
- 决策 26：未实现的算法逐条 skip，禁用模块级 pytestmark
- 决策 27：zstandard 残骸改名禁用，不删不重装
- CHANGELOG：补 load_table/save_table 与 Fixed 段

CHANGELOG.md

@@ -26,16 +26,29 @@
   `set_seed` 同时覆盖 numpy 旧全局状态，让 sklearn / statsmodels 也可复现。
 - `core.Result`：补上 `__repr__` 与 `summary()` 实现（L0 第 1 项落地）。
   `repr` 紧凑单行且不打印 `data` 内容；`summary()` 输出可直接贴进论文的 Markdown 表格。
+- `data.load_table`：实现（L0 第 3 项）。按扩展名分派 `.csv` / `.xlsx` / `.xls`；
+  `.csv` 默认做编码探测（utf-8 → utf-8-sig → gbk → gb18030），显式传 `encoding=` 时不再探测；
+  `na_values` 默认吃下空串 / `NA` / `N/A` / `#N/A` / `null` / `-`。
+- `data.save_table`：实现（原属 L1，顺手落地）。按扩展名分派，父目录不存在时自动创建，
+  返回实际写入的 `Path`。
 
 ### Added
 - `docs/02-architecture.md` §4.7「类型约定」：注解要写全、numpy 标量的判断写法、
   非法类型必须抛 `TypeError`。配套在 `docs/03-roadmap.md` 的开发纪律里加了指针。
 - `docs/dev/personal-pitfalls.md`：个人易错点清单，**只追加、不通读**
 
+### Fixed
+- `tests/test_data.py` 顶上的**模块级** `pytestmark = pytest.mark.skip(...)` 会连带跳过同文件里
+  已经写好的函数，导致 `load_table` 零覆盖。改为逐条 skip 未实现的算法，并补 8 条 io 测试
+  （编码探测、NA 归一、后缀校验、缺文件报错、往返读写、类型校验）。测试数 31 → **39 passed**。
+- conda base 里 zstandard 的 `*.conda_trash` 残骸目录被 Python 当成 namespace package 导入，
+  使 `.venv`（= base）的 `pd.read_csv` 抛 `ImportError: Can't determine version for zstandard`。
+  已把残骸目录改名禁用（**可逆**，未删除），详见 `docs/04-environment.md` 坑 6。
+
 ### Notes
-- 除 `core.Result`、`core.get_rng`、`core.set_seed` 外，其余函数体**尚未实现**（统一 `raise NotImplementedError` + `TODO(L0/L1/v0.2)` 标记）。
+- 除 `core.Result`、`core.get_rng`、`core.set_seed`、`data.load_table`、`data.save_table` 外，其余函数体**尚未实现**（统一 `raise NotImplementedError` + `TODO(L0/L1/v0.2)` 标记）。
   这是刻意的：先定接口，再按 `docs/03-roadmap.md` 的 L0 → L1 顺序填实现。
-- 已知缺口：`SALib`（Sobol/Morris）、`pymoo`、`pyright` 未安装（本机离线）。
+- 已知缺口：`SALib`（Sobol/Morris）、`pymoo`、`pyright` 已装进 conda 环境 `mcm-toolkit`，`.venv` 里没有。
 
 ## [0.0.1] - 2026-10-01
 

STATUS.md

@@ -4,9 +4,13 @@
 
 ## 本次任务
 
-审查并精简 ChatGPT 的建库建议 → 生成骨架文件 → 配置 conda 与 venv 环境 → 初始化 git 仓库 → 接入 Gitea 远端。
+**第一阶段（已完成）**：审查并精简 ChatGPT 的建库建议 → 生成骨架文件 →
+配置 conda 与 venv 环境 → 初始化 git 仓库 → 接入 Gitea 远端。
+两套环境均已建成并通过验证，仓库已推送到 `code.guzhujushi.cn`。
 
-**结论：全部完成。** 两套环境均已建成并通过验证；仓库已推送到 `code.guzhujushi.cn`。
+**第二阶段（进行中）**：按 `docs/03-roadmap.md` 的 L0 → L1 顺序**逐个实现函数**，
+用户本人写 `src/`、Codex 负责审查 + `tests/`（决策 25）。
+当前 3/12：`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`。
 
 ## 任务清单
 
@@ -58,7 +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（2/12）**
+**E. L0 实现进度（3/12）**
 - [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
@@ -75,7 +79,14 @@
       - `set_seed` 同时调 `np.random.seed`，覆盖 sklearn / statsmodels 走的 numpy 旧全局
         （全项目**唯一**碰旧接口的地方，带 `# noqa: NPY002` 与理由）
       - 测试：`TestRandom` 共 7 条（可复现、透传、无参跟随、旧全局、np.integer、非法类型、共享推进）
-- [ ] 剩余 10 项（11 个函数）：`load_table` `clean_missing`
+- [x] `data/io.py` 的 `load_table`（+ `save_table`，原属 L1，顺手落地）
+      - 实现由**用户本人**写（决策 25），Codex 只做审查 + 补测试
+      - `.csv` / `.xlsx` / `.xls` 按扩展名分派；`.csv` 默认编码探测
+        utf-8 → utf-8-sig → gbk → gb18030，显式传 `encoding=` 时不再探测
+      - `na_values` 默认吃下空串 / `NA` / `N/A` / `#N/A` / `null` / `-`
+      - 不支持的扩展名抛 `ValueError`；文件不存在抛带路径的 `FileNotFoundError`
+      - 测试：`tests/test_data.py` 由 1 条（且被模块级 skip 掉）扩到 **8 条**
+- [ ] 剩余 9 项（10 个函数）：`clean_missing`
       `detect_outliers` `normalize` `standardize` `describe` `correlation_matrix`
       `bootstrap_ci` `monte_carlo` `save_figure`
 
@@ -83,15 +94,16 @@
 
 | 检查 | venv | conda `mcm-toolkit` |
 |---|---|---|
-| `pytest` | 31 passed, 45 skipped | 31 passed, 45 skipped |
+| `pytest` | **39 passed, 44 skipped** | **39 passed, 44 skipped** |
 | `import mcm_toolkit` | 0.0.1 / 16 项 | 0.0.1 / 16 项 |
 | `ruff check` | All checks passed | All checks passed |
 | `scripts/doctor.ps1` | 跑通 | — |
 | SALib / pymoo / pyright | 缺失 | 已装 |
 
 - 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 31 条 = 20 条公开 API 契约测试
+- 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`）
+  + 8 条 `data` 行为测试（`tests/test_data.py`）
 - 三个 `.ps1` 通过 PowerShell AST 语法解析
 
 ### ⚠️ 需要注意 / 遗留
@@ -101,7 +113,7 @@
       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 2/12（`Result`、`get_rng`/`set_seed`），其余按 `docs/03-roadmap.md` 的 L0 → L1 顺序推进；
+- [ ] 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；
       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
@@ -142,11 +154,20 @@
 | 23 | `set_seed` 内部**允许**调用 `np.random.seed`（带 noqa） | sklearn / statsmodels 默认走 numpy 旧全局状态，只记自己的 `_GLOBAL_SEED` 覆盖不到它们，"提交能重跑"就是假的。旧接口在这一个点上不是"取随机数"而是"设种子"，性质不同 |
 | 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 |
+| 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. ~~接入 Gitea~~ **已完成**。以后推送前先确认 Tailscale 在线，然后 `git push`
+1. **`data/io.py` 待你修两处**（`src/` 归你，Codex 不代写，见决策 25）：
-   （细节与换机步骤见 `docs/05-git-workflow.md` §3）。
+   - `save_table` 把 `path.parent.mkdir(parents=True, exist_ok=True)` 放在了**后缀校验之前**，
-2. 继续 L0，**下一个：`data/io.py` 的 `load_table`**（`save_table` 属 L1，顺手也可做）。
+     传个 `.txt` 会先建出一个空目录再抛 `ValueError`。
+     把校验（后缀 + `isinstance(df, pd.DataFrame)`）挪到 `mkdir` 前面即可。
+   - 两个函数都缺 `Raises` 段落（`docs/02-architecture.md` §4.7 要求写全）；
+     `load_table` 的返回注解建议从 `Any` 改成 `pd.DataFrame` —— docstring 已经承诺返回 DataFrame，
+     注解写 `Any` 等于同一个契约写了两遍（`docs/dev/personal-pitfalls.md` 条目 3，本次已复发一次）。
+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。

docs/04-environment.md

@@ -129,6 +129,41 @@ Remove-Item -LiteralPath 'D:\anaconda\envs\mcm-toolkit' -Recurse -Force
 环境拿到的是更新的版本（pandas 从 2.3.3 跳到 **3.0.6**，是 major 升级）。
 见 §5，写代码时注意别依赖两套环境都有的行为。
 
+**坑 6 —— conda 升级留下的 `*.conda_trash` 残骸会被 Python 当成包导入。**
+base 从 2025.12 升到 2026.07 后，`D:\anaconda\Lib\site-packages\zstandard\` 里只剩一个
+`backend_c.cp313-win_amd64.pyd.c~.conda_trash`。目录没了 `__init__.py`，Python 就把它当作
+**namespace package** 导入成功，于是：
+
+```text
+>>> import zstandard
+>>> zstandard.__file__      # None —— 导入"成功"了，但什么都没拿到
+>>> zstandard.__version__
+AttributeError
+```
+
+pandas 3.0 的 `import_optional_dependency("zstandard")` 拿到这种半残包时，抛的不是
+`ModuleNotFoundError`（那会被正常忽略），而是
+`ImportError: Can't determine version for zstandard`，直接**打断 `pd.read_csv`**。
+症状很迷惑：同一个脚本今天能跑明天不能跑，报错还指向 csv 读取。
+
+**怎么查**（关键是 `__file__` 和 `__version__` 两项一起看）：
+
+```powershell
+& 'D:\anaconda\python.exe' -c "import zstandard; print(zstandard.__file__, getattr(zstandard,'__version__','MISSING'))"
+Get-ChildItem -LiteralPath 'D:\anaconda\Lib\site-packages\zstandard' -Force
+```
+
+**怎么修**：确认 conda 记录里本来就没有这个包（`conda list -n base | findstr zstandard`
+只该看到 `backports.zstd` / `zstd`），再把这个残骸目录改名禁用（比删掉可逆）：
+
+```powershell
+Move-Item -LiteralPath 'D:\anaconda\Lib\site-packages\zstandard' `
+          -Destination 'D:\anaconda\Lib\site-packages\zstandard.disabled-conda-trash'
+```
+
+改名后 `import zstandard` 变成正常的 `ModuleNotFoundError`，pandas 会安静地跳过它。
+本次已按此处理，`.venv` 的 `pd.read_csv` 恢复正常。
+
 ---
 
 ## 五、两套环境的实际版本（已对齐）

docs/dev/personal-pitfalls.md

@@ -55,7 +55,7 @@
   两处打架时合法用法会被 IDE 标红，真正的错误反而看不出来。
 - 以后怎么防：改签名和改 docstring 必须同一次做完。
   本项目所有 `random_state` 的注解统一写 `int | np.integer | np.random.Generator | None`。
-- 首次：2026-10-01｜复发：0
+- 首次：2026-10-01｜复发：1
 
 ### 4. 只覆盖自己的状态，忘了第三方库还在用 numpy 旧全局
 

src/mcm_toolkit/data/io.py

@@ -10,6 +10,8 @@ from __future__ import annotations
 from pathlib import Path
 from typing import Any
 
+import pandas as pd
+
 __all__ = ["load_table", "save_table"]
 
 
@@ -27,11 +29,41 @@ def load_table(path: str | Path, **kwargs: Any) -> Any:
     >>> df = load_table("data.csv")          # doctest: +SKIP
     >>> df.shape                             # doctest: +SKIP
     """
-    # TODO(L0): 编码探测 + 分派；Excel 缺 openpyxl 时给出可读报错。
+    path = Path(path)
-    raise NotImplementedError
+    suffix = path.suffix.lower()
+
+    encodings = ['utf-8','utf-8-sig','gbk','gb18030']
+    kwargs.setdefault('na_values',['','NA','N/A','#N/A','null','-'])
+
+    if suffix == ".csv":
+        if 'encoding' in kwargs:
+            return pd.read_csv(path,**kwargs)
+        for enc in encodings:
+            try:
+                return pd.read_csv(path,encoding=enc,**kwargs)
+            except UnicodeDecodeError:
+                continue
+            except FileNotFoundError:
+                raise FileNotFoundError(f"在这里找不到文件：{path}") from None
+        raise ValueError(f"无法解码文件，目前支持解码方式：{encodings}")
+    if suffix in ['.xlsx','.xls']:
+        return pd.read_excel(path,**kwargs)
+    raise ValueError(f"不支持的文件后缀：{suffix}")
 
 
-def save_table(df: Any, path: str | Path, index: bool = False, **kwargs: Any) -> Path:
+def save_table(df: pd.DataFrame, path: str | Path, index: bool = False, **kwargs: Any) -> Path:
     """保存 DataFrame，返回实际写入的路径。"""
-    # TODO(L0)
+    path = Path(path)
-    raise NotImplementedError
+    path.parent.mkdir(parents=True,exist_ok=True)
+    suffix = path.suffix.lower()
+
+    if not isinstance(df,pd.DataFrame):
+        raise TypeError(f"df 必须是一个pandas DataFrame,但是你上传了{type(df)}")
+
+    if suffix == '.csv':
+        df.to_csv(path,index=index,**kwargs)
+    elif suffix in ['.xlsx','.xls']:
+        df.to_excel(path,index=index,**kwargs)
+    else:
+        raise ValueError(f"不支持的文件后缀：{suffix}")
+    return path

tests/test_data.py

@@ -1,58 +1,22 @@
-"""data 包测试。"""
+"""data 包测试。
+
+L0 阶段的约定：**只测已实现的行为**。未实现的算法用逐条 skip 标出，
+不要用模块级 pytestmark —— 那会把同文件里已实现的函数一起跳过，
+让 load_table 这种已经写好的函数变成零覆盖。
+"""
 
 from __future__ import annotations
 
+from pathlib import Path
+
 import numpy as np
+import pandas as pd
 import pytest
 
-pytestmark = pytest.mark.skip(reason="未实现：见 docs/03-roadmap.md L0/L1")
+_NOT_IMPLEMENTED = "未实现：见 docs/03-roadmap.md L0/L1"
 
 
-def test_detect_outliers_finds_planted_points():
+# ---------------------------------------------------------------- io: load_table
-    """人工埋 3 个离群点，IQR 法应正好命中 3 个。"""
-    from mcm_toolkit.data import detect_outliers
-
-    x = np.concatenate([np.arange(100.0), [1e6, -1e6, 1e7]])
-    mask = np.asarray(detect_outliers(x, method="iqr"))
-    assert mask.sum() == 3
-    assert mask[-3:].all()
-
-
-def test_detect_outliers_returns_mask_not_filtered_data():
-    """约定：只标不删——返回与原数据同形的布尔掩码。"""
-    from mcm_toolkit.data import detect_outliers
-
-    x = np.arange(50.0)
-    mask = np.asarray(detect_outliers(x, method="zscore"))
-    assert mask.shape == x.shape
-    assert mask.dtype == bool
-
-
-def test_normalize_minmax_range(rng):
-    from mcm_toolkit.data import normalize
-
-    x = rng.normal(size=(50, 3))
-    out = np.asarray(normalize(x, method="minmax"))
-    assert np.allclose(out.min(axis=0), 0.0)
-    assert np.allclose(out.max(axis=0), 1.0)
-
-
-def test_standardize_has_zero_mean_unit_std(rng):
-    from mcm_toolkit.data import standardize
-
-    x = rng.normal(5, 3, size=1000)
-    out = np.asarray(standardize(x))
-    assert abs(out.mean()) < 1e-9
-    assert abs(out.std() - 1.0) < 1e-9
-
-
-def test_train_test_split_sizes_and_no_overlap(rng):
-    from mcm_toolkit.data import train_test_split
-
-    X = rng.normal(size=(100, 2))
-    Xtr, Xte = train_test_split(X, test_size=0.2, random_state=0)
-    assert len(Xtr) == 80 and len(Xte) == 20
-    assert len({tuple(r) for r in Xtr} & {tuple(r) for r in Xte}) == 0
 
 
 def test_load_table_detects_gbk(tmp_path):
@@ -63,3 +27,134 @@ def test_load_table_detects_gbk(tmp_path):
     p.write_bytes("城市,人口\n北京,2189\n".encode("gbk"))
     df = load_table(p)
     assert list(df.columns) == ["城市", "人口"]
+
+
+def test_load_table_keeps_utf8_readable(tmp_path):
+    """UTF-8 文件必须按 UTF-8 读出，不能先试 GBK 变成乱码。"""
+    from mcm_toolkit.data import load_table
+
+    p = tmp_path / "utf8.csv"
+    p.write_text("省份,GDP增速\n广东,5.8\n", encoding="utf-8")
+    df = load_table(p)
+    assert list(df.columns) == ["省份", "GDP增速"]
+    assert df.loc[0, "省份"] == "广东"
+
+
+def test_load_table_maps_na_like_tokens_to_nan(tmp_path):
+    """赛题里的缺失值长得五花八门，默认 na_values 要全部吃成 NaN。"""
+    from mcm_toolkit.data import load_table
+
+    p = tmp_path / "na.csv"
+    p.write_text("a,b,c\n1,NA,\n2,-,#N/A\n", encoding="utf-8")
+    df = load_table(p)
+    assert df["b"].isna().all()
+    assert df["c"].isna().all()
+    assert df["a"].notna().all()
+
+
+def test_load_table_respects_explicit_encoding(tmp_path):
+    """显式给了 encoding 就照办，不再做探测。"""
+    from mcm_toolkit.data import load_table
+
+    p = tmp_path / "gbk.csv"
+    p.write_bytes("城市,人口\n上海,2487\n".encode("gbk"))
+    df = load_table(p, encoding="gbk")
+    assert list(df.columns) == ["城市", "人口"]
+
+
+def test_load_table_rejects_unknown_suffix(tmp_path):
+    """不支持的扩展名要抛 ValueError，而且要带上后缀名。"""
+    from mcm_toolkit.data import load_table
+
+    p = tmp_path / "data.txt"
+    p.write_text("a,b\n1,2\n", encoding="utf-8")
+    with pytest.raises(ValueError, match=r"\.txt"):
+        load_table(p)
+
+
+def test_load_table_missing_file_raises(tmp_path):
+    """文件不存在时要把路径原样带出来，方便定位。"""
+    from mcm_toolkit.data import load_table
+
+    missing = tmp_path / "nope.csv"
+    with pytest.raises(FileNotFoundError, match=r"nope\.csv"):
+        load_table(missing)
+
+
+# ---------------------------------------------------------------- io: save_table
+
+
+def test_save_table_round_trip(tmp_path):
+    """存进去再读出来，内容要一致，并且返回实际写入的 Path。"""
+    from mcm_toolkit.data import load_table, save_table
+
+    df = pd.DataFrame({"城市": ["北京", "上海"], "人口": [2189.0, 2487.0]})
+    out = save_table(df, tmp_path / "out.csv")
+    assert isinstance(out, Path)
+    assert out.exists()
+    back = load_table(out)
+    assert list(back.columns) == ["城市", "人口"]
+    assert back["人口"].tolist() == [2189.0, 2487.0]
+
+
+def test_save_table_rejects_non_dataframe(tmp_path):
+    """传错类型要当场报错，不要写出一个奇怪的文件。"""
+    from mcm_toolkit.data import save_table
+
+    with pytest.raises(TypeError):
+        save_table([1, 2, 3], tmp_path / "bad.csv")
+
+
+# ------------------------------------------------- 以下为未实现算法（L0/L1 待写）
+
+
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
+def test_detect_outliers_finds_planted_points():
+    """人工埋 3 个离群点，IQR 法应正好命中 3 个。"""
+    from mcm_toolkit.data import detect_outliers
+
+    x = np.concatenate([np.arange(100.0), [1e6, -1e6, 1e7]])
+    mask = np.asarray(detect_outliers(x, method="iqr"))
+    assert mask.sum() == 3
+    assert mask[-3:].all()
+
+
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
+def test_detect_outliers_returns_mask_not_filtered_data():
+    """约定：只标不删——返回与原数据同形的布尔掩码。"""
+    from mcm_toolkit.data import detect_outliers
+
+    x = np.arange(50.0)
+    mask = np.asarray(detect_outliers(x, method="zscore"))
+    assert mask.shape == x.shape
+    assert mask.dtype == bool
+
+
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
+def test_normalize_minmax_range(rng):
+    from mcm_toolkit.data import normalize
+
+    x = rng.normal(size=(50, 3))
+    out = np.asarray(normalize(x, method="minmax"))
+    assert np.allclose(out.min(axis=0), 0.0)
+    assert np.allclose(out.max(axis=0), 1.0)
+
+
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
+def test_standardize_has_zero_mean_unit_std(rng):
+    from mcm_toolkit.data import standardize
+
+    x = rng.normal(5, 3, size=1000)
+    out = np.asarray(standardize(x))
+    assert abs(out.mean()) < 1e-9
+    assert abs(out.std() - 1.0) < 1e-9
+
+
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
+def test_train_test_split_sizes_and_no_overlap(rng):
+    from mcm_toolkit.data import train_test_split
+
+    X = rng.normal(size=(100, 2))
+    Xtr, Xte = train_test_split(X, test_size=0.2, random_state=0)
+    assert len(Xtr) == 80 and len(Xte) == 20
+    assert len({tuple(r) for r in Xtr} & {tuple(r) for r in Xte}) == 0