guzhujushi 6758e81c9d fix(data): 校验早于副作用,补空行;经验写入 pitfalls
save_table 的两处收尾(用户授权代改):

- 后缀校验原先藏在 if/else 分支的 else 里,排在 path.parent.mkdir(...) 之后,
  传 sub/x.txt 会先把 sub\ 建出来再抛 ValueError。改成守卫子句,集中在 mkdir 之前,
  校验段结束后才产生副作用;此时 else 分支自然消失,用回 if/else 两路分派
- __all__ 与下一个 def 之间补回第二个空行(PEP 8 / E302)

测试:
- 新增 test_save_table_validates_before_touching_disk,
  断言参数非法时 tmp_path 下一个条目都不留(ValueError 与 TypeError 两条路径)
- 40 passed / 44 skipped,两套环境一致;ruff All checks passed

文档:
- docs/dev/personal-pitfalls.md 追加条目 5(参数校验排在副作用之后)
  与条目 6(把 lint 的"没报错"当成"没问题"),索引表同步加行
- STATUS:io.py 收尾,L0 第 3 项完成;测试计数 40
- CHANGELOG:Fixed 段补两条
2026-10-01 23:26:47 +08:00

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。

S
Description
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
Readme MIT
2.1 MiB
0 Stars 1 Watchers 0 Forks
Languages
Python 95.4%
PowerShell 4.6%