guzhujushi
319b16b17c
Codex 直接改的（格式 / 死代码 / 纯 bug，不动接口与语义）： - winsorize(Series) 直接崩：select_dtypes 在 Series 上不存在，Series 分支提到最前并加数值 dtype 守卫 - winsorize 的分位数改为只在数值列上算，含文本列的赛题表不再崩（与已有 numeric_cols 判断对齐） - 删掉 detect_outliers 里已成空操作的 df = pd.DataFrame(data)，去掉 df 别名 - clean_missing 的嵌套 if 合并（ruff SIM102），清掉 W293 行尾空白与函数内连续空行 测试： - 5 条 xfail 经 XPASS 信号确认已修好，摘掉 mark 转正式用例 （detect_outliers 4 条 + winsorize 混合类型 1 条） - 53 passed / 7 xfailed -> 58 passed / 2 xfailed - 剩 2 条 xfail 保留，且不是漏改而是设计没定： detect_outliers 遇文本列返回什么、impute_missing 的 mode 分支要不要就地改调用方的表 - ruff: 1 error -> All checks passed；pyright: 0 errors 不变 文档： - STATUS.md：L0 进度 4/12、验证结果表、下一步重写、新增决策 31 （Codex 可直接改 src 的范围：纯 bug / 格式 / 死代码；要选语义的留给用户） - CHANGELOG.md：本轮变更，并修掉 [Unreleased] 里被重复追加撑坏的一句 - docs/dev/personal-pitfalls.md：只追加第 7 条（守卫子句要排在类型分派之后）
MCM/ICM Toolkit
这是我参加美赛时用的学习和准备复用的代码，有需要可以自行克隆和修改。
美赛（MCM/ICM）编程手的竞赛层工具箱： 把比赛中反复手写的代码沉淀成"高频算法自己实现 + 成熟库薄封装 + 统一结果接口"。
不替代 SciPy / scikit-learn / statsmodels / NetworkX / SALib / SymPy。 只做它们到"4 天赛程能用"之间的那一层。
快速开始
# 1) 建环境（两条路选一条）
.\scripts\setup-venv.ps1 # venv，零下载，复用 Anaconda base 的科学栈
.\scripts\setup-conda.ps1 # conda 环境 mcm-toolkit（精准包列表，走代理下载）
# 2) 自检
.\scripts\doctor.ps1
# 3) 激活
.\.venv\Scripts\Activate.ps1
import mcm_toolkit as mcm
mcm.set_seed(42)
r = mcm.bootstrap_ci(data, statistic=np.median, random_state=42)
print(r.params["low"], r.params["high"])
当前状态（v0.0.1）
本地 git 仓库已初始化（main，首次提交 5319589），远程 Gitea 待配置。
接口已定，实现未填。 所有函数体是 raise NotImplementedError + TODO(L0/L1/v0.2) 标记，
按 docs/03-roadmap.md 的 L0 → L1 顺序填。
目录
| 路径 | 说明 |
|---|---|
src/mcm_toolkit/ |
包源码，7 个子包 |
tests/ |
测试，与包一一对应（测已知解析解，不测实现细节） |
examples/ |
每个模块一个能跑的最小例子 |
problems/ |
历年真题（每做完一题，反向沉淀 1～3 个通用函数） |
notebooks/ |
探索用 |
docs/ |
需求、架构、路线图、环境、规范 |
scripts/ |
环境脚本 |
STATUS.md |
当前进度 |
子包
| 包 | 职责 | 关键函数 |
|---|---|---|
core |
基础设施 | Result get_rng check_* |
data |
读 / 洗 / 变换 / 采样 | load_table detect_outliers normalize |
stats |
描述 / 推断 / bootstrap | describe bootstrap_ci fit_distribution |
models |
回归 / 时序 / ML | fit_linear fit_arima compare_models |
solve |
优化 / 模拟 / 敏感性 | monte_carlo simulated_annealing sobol_analyze |
decision |
评价决策 | entropy_weights ahp_weights topsis gm11 |
viz |
出图出表 | plot save_figure save_table |
文档
开始动手前请先读 docs/01-suggestion-review.md—— 它记录了"为什么最终结构是这样"，以及明确不做什么。
许可
MIT，见 LICENSE。