guzhujushi
c2595b6d07
feat(data): clean.py 四个函数落地；补测试、docstring 与 ruff 清理
src 由用户本人写（决策 25），Codex 只做审查、补测试与文档。
实现（用户）：
- clean_missing：按行/列删缺失过多的行，threshold 用 math.ceil 算 min_non_na
（3 列、阈值 0.5 时必须是 2；写 int() 截断会漏删）
- impute_missing / detect_outliers / winsorize（原属 L1，顺手落地）
Codex 改的轻度项：
- 按 §4.7 给四个函数补 Parameters / Returns / Raises（与 io.py 同一套 numpydoc 格式）
- ruff 6 -> 1：导入分组（I001）、elif 链改 if 加末尾无条件 return（RET505/RET503）、
去掉多余 f 前缀（F541）、删掉只会被覆盖的 mask 初始化、去掉行尾空白（W293）
- tests/test_data.py：新增 13 条 clean 行为测试 + 7 条 xfail
结果：
- pytest 53 passed / 42 skipped / 7 xfailed（此前 40 / 44 / 0）
- pyright 0 errors, 0 warnings
- ruff 剩 1 条 SIM102，就在 detect_outliers 里那段待修的代码中，删掉即全绿
已知未修（详见 STATUS.md「下一步」）：
- detect_outliers 三个 bug：threshold 范围校验放错函数（iqr 分支 UnboundLocalError、
zscore 默认 3.0 被 [0,1] 拒掉）、quantile 在含文本列的表上崩、
is_series / is_ld_array 在 data 已转 DataFrame 之后才判断，因此永远为 False
- winsorize 同样在含文本列的表上崩
- impute_missing 的 mode 分支就地修改调用方的表
2026-10-02 15:04:13 +08:00
..
2026-10-01 17:43:48 +08:00
2026-10-01 17:43:48 +08:00
2026-10-01 19:38:59 +08:00
2026-10-02 15:04:13 +08:00
2026-10-01 17:43:48 +08:00
2026-10-01 17:43:48 +08:00
2026-10-01 17:43:48 +08:00
2026-10-01 17:43:48 +08:00
2026-10-01 17:43:48 +08:00