ThearchyHelios 28db25631d 合入 W1-b 证据接入：台账 A、写作目录、a / v:A / table:A / see:A 引用、出处链与复算、证据图、审计、导出与可验证报告、裁判摘录、账本跳过

2026-10-21 13:58:18 +08:00

..

__init__.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

common.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

comparable.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

contract.py

合入 W1-b 证据接入：台账 A、写作目录、a / v:A / table:A / see:A 引用、出处链与复算、证据图、审计、导出与可验证报告、裁判摘录、账本跳过

2026-10-21 13:58:18 +08:00

decompose.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

differ.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

facts.py

分析算子的输入、目录事实、期次与现查：inputs.py（按名字取快照、拆「名字.r行.列」、列名不分大小写、遮罩列与非数值是调用错误）；facts.py（按 SQL 认结果列取自哪张表的哪一列，读目录的度量类型、叫法、业务日期，只有确认过的度量类型才拿来判调用错误；查过的记进 params，复算不读目录）；periods.py（日期、YYYY-MM、YYYY-Www、YYYY-Qn、整数序号，粒度按值推断）；probe.py（make_prober 走 data/coverage 的只读探查：遮罩列不探、总时限、5 分钟缓存、退回剖析事实，另在库里算按运行当天现算的界；Book 先登记、查完再算，结论只记真用到的）；data/coverage.py 加几个公开的小函数（parse_sql、as_day、literal_bound、window_of、column_range、bound_values、facts_range），_fallback 的读法抽成 _facts_range、行为不变；契约补几项可选字段（InputSnapshot 的 dialect / checks / no_data / mask_columns / masked_at_query，AnalysisInput 的 dialect，Probe 的 expr / value）

2026-10-21 13:03:35 +08:00

inputs.py

五个分析算子与 run / recompute（细案 01 §1–§8）：decompose（additive 按维度算贡献、headline 与下钻闭合、抵消、新出现 / 消失；ratio 中点对称拆结构与自身效应、辛普森、分母小；factor LMDI-I；两份快照先做可比性，口径结构不同不拆）、baseline（中位数与 MAD 的稳健 z、σ̂ = 0、日数据 lag 7、新高新低）、trend（Theil–Sen + Mann–Kendall、末尾连续期数）、differ（rate 的 z 检验 / Fisher、mean 与 rows 的 Welch、Holm、rows 的敏感性）、comparable（同口径、窗口长度、整期、星期构成、数据问题，现查记进 probes）；run 先登记现查、查完再算，运行当天和目录事实记进 params，recompute 只用记下的、不现查；判定码、原因码、附带说明码都在契约里；输入记下方言和遮罩列名，复算逐字段相同；测试用虚构零售库，每个用例都核对复算

2026-10-21 13:04:58 +08:00

numbers.py

分析结论的数与判定语：numbers.py（快照里的数换成精确的 Fraction，写成规范的十进制字符串：不带指数、去尾零、没有 -0，除不尽的和浮点留 12 位有效数字，同输入逐字节同输出）；phrases.py 一处定义判定语模板（细案 01 §7.2）、数的写法（百分比一位小数带正负号、量千分位最多两位小数、百分点，ROUND_HALF_UP 同 render_cell）、label 消毒（去引用标记、出具校验认的数字写法、单位符号，≤ 20 字，空了退回目录叫法和列名）、附带说明的一句话（判定语后最多接两条）、照实际阈值写的判定标准

2026-10-21 13:03:23 +08:00

periods.py

分析算子的输入、目录事实、期次与现查：inputs.py（按名字取快照、拆「名字.r行.列」、列名不分大小写、遮罩列与非数值是调用错误）；facts.py（按 SQL 认结果列取自哪张表的哪一列，读目录的度量类型、叫法、业务日期，只有确认过的度量类型才拿来判调用错误；查过的记进 params，复算不读目录）；periods.py（日期、YYYY-MM、YYYY-Www、YYYY-Qn、整数序号，粒度按值推断）；probe.py（make_prober 走 data/coverage 的只读探查：遮罩列不探、总时限、5 分钟缓存、退回剖析事实，另在库里算按运行当天现算的界；Book 先登记、查完再算，结论只记真用到的）；data/coverage.py 加几个公开的小函数（parse_sql、as_day、literal_bound、window_of、column_range、bound_values、facts_range），_fallback 的读法抽成 _facts_range、行为不变；契约补几项可选字段（InputSnapshot 的 dialect / checks / no_data / mask_columns / masked_at_query，AnalysisInput 的 dialect，Probe 的 expr / value）

2026-10-21 13:03:35 +08:00

phrases.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

probe.py

分析算子的输入、目录事实、期次与现查：inputs.py（按名字取快照、拆「名字.r行.列」、列名不分大小写、遮罩列与非数值是调用错误）；facts.py（按 SQL 认结果列取自哪张表的哪一列，读目录的度量类型、叫法、业务日期，只有确认过的度量类型才拿来判调用错误；查过的记进 params，复算不读目录）；periods.py（日期、YYYY-MM、YYYY-Www、YYYY-Qn、整数序号，粒度按值推断）；probe.py（make_prober 走 data/coverage 的只读探查：遮罩列不探、总时限、5 分钟缓存、退回剖析事实，另在库里算按运行当天现算的界；Book 先登记、查完再算，结论只记真用到的）；data/coverage.py 加几个公开的小函数（parse_sql、as_day、literal_bound、window_of、column_range、bound_values、facts_range），_fallback 的读法抽成 _facts_range、行为不变；契约补几项可选字段（InputSnapshot 的 dialect / checks / no_data / mask_columns / masked_at_query，AnalysisInput 的 dialect，Probe 的 expr / value）

2026-10-21 13:03:35 +08:00

series.py

分析结论的结果表带上列类型：ResultTable 加可选的 column_types（{列 id: 类型}，写法同查询快照）。维度列照输入快照里那一列查询时记下的类型（文本型的码值 "1203" 不会被渲染成「1,203」，没记类型的不写），数值列 number，说明、叫法这类文字列 text；差异检验和「其余各组合计」比时对照组那一列写 text；可比性检查表全是 text。契约里 InputSnapshot.column_types 的标注改成实际形状 dict[str, str] | list[str | None]（to_payload 给的是 {列: 类型}，按列序的列表也认）。复算逐字段相同照旧成立

2026-10-21 13:19:27 +08:00

stats.py

分析算子的统计函数（app/analysis/stats.py，纯 Python、不加依赖）：正态分布函数（math.erfc）与分位数（Acklam 逼近 + Halley 修正）、t 分布（正则化不完全 β 的连分式，自由度很大时按正态）与分位数（二分）、Wilson（从 eval/stats 移过来，评测改为引用、行为不变）、Newcombe 区间、合并比例 z 检验、Fisher 精确检验（lgamma）、Welch t 检验与区间、Holm 校正、Mann–Kendall（n ≤ 10 且无并列用逆序数递推的精确分布，否则正态近似带并列修正和连续性校正）、Theil–Sen（精确的数在公分母上按整数比，只对浮点相等的那几个精确比）、中位数 / MAD / 名次；测试用公认表值钉住（正态 0.975 分位、t(10) 临界值、品茶表、Newcombe 例子、小样本精确分布对照暴力枚举）

2026-10-21 13:03:12 +08:00

testing.py

分析能力骨架：app/analysis 契约（结论的工件种类、台账条目、写作目录前缀 A、引用标记 a、分析卡节点类型、五个算子与模式、方法版本、判定码、算不了的原因码、附带说明码、工具名）、设置缺省 / 取值范围 / 叫法与校验、阈值合并（缺省 ← 发起时快照 ← 分析卡覆盖）、复算比较；run / recompute 的签名（第 1 波实现）；测试用的假结论

2026-10-21 11:53:43 +08:00