guzhujushi
5319589dfd
审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。 - 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个 （docs/01-suggestion-review.md） - docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板 - src/mcm_toolkit/：core / data / stats / models / solve / decision / viz 共 23 个模块，均为签名 + docstring + NotImplementedError - tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed） - examples/ problems/ notebooks/ figures/ tables/ 骨架 - pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml - scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1 - 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好， 数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）
43 lines
1.4 KiB
Python
43 lines
1.4 KiB
Python
"""端到端最小流程：读数据 → 清洗 → 描述 → bootstrap → 出图。
|
||
|
||
体量刻意压到最小，只用来确认"环境 + 包 + 出图"这条链路是通的。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import numpy as np
|
||
|
||
import mcm_toolkit as mcm
|
||
|
||
|
||
def main() -> None:
|
||
mcm.set_seed(20260101)
|
||
|
||
# 1) 造一份带缺失和离群点的数据（真实赛题里这步是 load_table）
|
||
rng = np.random.default_rng(20260101)
|
||
heights = rng.normal(170, 8, size=300)
|
||
heights[[3, 77]] = [260.0, -10.0] # 两个录入错误
|
||
|
||
# 2) 找出离群点（约定：只标不删，删不删是人来决定）
|
||
mask = np.asarray(mcm.data.detect_outliers(heights, method="iqr"))
|
||
print(f"检出离群点 {mask.sum()} 个")
|
||
|
||
clean = heights[~mask]
|
||
|
||
# 3) 描述统计
|
||
print(mcm.stats.describe(clean))
|
||
|
||
# 4) 中位数的 bootstrap 置信区间（统计量没有解析分布时的通用答案）
|
||
ci = mcm.bootstrap_ci(clean, statistic=np.median, n_resamples=10000, random_state=20260101)
|
||
print(f"中位数 = {np.median(clean):.2f}, 95% CI = [{ci.params['low']:.2f}, {ci.params['high']:.2f}]")
|
||
|
||
# 5) 出图（默认同时写 png + pdf，300 dpi）
|
||
mcm.viz.mcm_style()
|
||
fig, ax = mcm.viz.plot(clean, kind="hist", title="身高分布", xlabel="cm")
|
||
paths = mcm.viz.save_figure(fig, "figures/quickstart_hist")
|
||
print("已写出：", [str(p) for p in paths])
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|