guzhujushi 97a2f95066 fix(env): 钉死 pyright 的分析目标,修掉"无法解析导入 numpy/pandas"
现象:编辑器 / pyright 满屏 reportMissingImports,但 .venv 与 conda 环境里
import numpy, pandas 都正常,pytest 也全过。

根因两层:

1. pyright 没配 venvPath / pythonPath 时会去 PATH 上找 python。本机 PATH 上
   唯一的 python 是 agent-tools 的 shim(Codex 运行时,Python 3.14),没有科学栈。
   pyright --verbose 显示它选了 3.14.6,Search paths 里一个 Anaconda 路径都没有。
   注意持久化的 User/Machine PATH 并没有这一项,是 Codex 进程临时注入的——所以
   "我的终端没问题"和"工具有问题"可以同时成立。
2. .venv 是 --system-site-packages 建的,三方包在 D:\anaconda\Lib\site-packages,
   而 pyright / Pylance 不认 pyvenv.cfg 的 include-system-site-packages,
   只去 .venv\Lib\site-packages 找(那里只有 pip)。
   pyright 不读 pyvenv.cfg,但**认 .pth**。

改动:
- pyproject.toml [tool.pyright]:venvPath = "." / venv = ".venv" /
  pythonVersion = "3.13",并注释了为什么必须写
- scripts/setup-venv.ps1:新增第 [2/4] 步,自动往 .venv 写
  _mcm_base_site_packages.pth 指向该机 base 的 site-packages,换机重建即可
- tests/test_data.py:3 处 isna().all() 断言外面套 bool()(它的类型是
  Series | bool,直接当条件 pyright 报"条件操作数无效");
  2 处故意传错类型的用例加 type: ignore[arg-type]

结果:pyright 17 errors -> 0 errors / 0 warnings;pytest 两套环境均
40 passed, 44 skipped;ruff All checks passed;setup-venv.ps1 通过 AST 解析
(纯 ASCII + LF)。

文档:docs/04-environment.md 新增坑 7(含 pyright --verbose 诊断口诀与
VS Code / PyCharm 的操作步骤)、STATUS 决策 29、CHANGELOG。
2026-10-02 13:36:16 +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%