feat(dc): Complete Tool C quick action buttons Phase 1-2 - 7 functions

Summary:
- Implement 7 quick action functions (filter, recode, binning, conditional, dropna, compute, pivot)
- Refactor to pre-written Python functions architecture (stable and secure)
- Add 7 Python operations modules with full type hints
- Add 7 frontend Dialog components with user-friendly UI
- Fix NaN serialization issues and auto type conversion
- Update all related documentation

Technical Details:
- Python: operations/ module (filter.py, recode.py, binning.py, conditional.py, dropna.py, compute.py, pivot.py)
- Backend: QuickActionService.ts with 7 execute methods
- Frontend: 7 Dialog components with complete validation
- Toolbar: Enable 7 quick action buttons

Status: Phase 1-2 completed, basic testing passed, ready for further testing

extraction_service/operations/binning.py

@@ -0,0 +1,152 @@
+"""
+生成分类变量（分箱）操作
+
+将连续数值变量转换为分类变量。
+支持三种方法：自定义切点、等宽分箱、等频分箱。
+"""
+
+import pandas as pd
+import numpy as np
+from typing import List, Optional, Literal, Union
+
+
+def apply_binning(
+    df: pd.DataFrame,
+    column: str,
+    method: Literal['custom', 'equal_width', 'equal_freq'],
+    new_column_name: str,
+    bins: Optional[List[Union[int, float]]] = None,
+    labels: Optional[List[Union[str, int]]] = None,
+    num_bins: int = 3
+) -> pd.DataFrame:
+    """
+    应用分箱操作
+    
+    Args:
+        df: 输入数据框
+        column: 要分箱的列名
+        method: 分箱方法
+            - 'custom': 自定义切点
+            - 'equal_width': 等宽分箱
+            - 'equal_freq': 等频分箱
+        new_column_name: 新列名
+        bins: 自定义切点列表（仅method='custom'时使用），如 [18, 60] → <18, 18-60, >60
+        labels: 标签列表（可选）
+        num_bins: 分组数量（仅method='equal_width'或'equal_freq'时使用）
+    
+    Returns:
+        分箱后的数据框
+    
+    Examples:
+        >>> df = pd.DataFrame({'年龄': [15, 25, 35, 45, 55, 65, 75]})
+        >>> result = apply_binning(df, '年龄', 'custom', '年龄分组', 
+        ...                        bins=[18, 60], labels=['青少年', '成年', '老年'])
+        >>> result['年龄分组'].tolist()
+        ['青少年', '成年', '成年', '成年', '成年', '老年', '老年']
+    """
+    if df.empty:
+        return df
+    
+    # 验证列是否存在
+    if column not in df.columns:
+        raise KeyError(f"列 '{column}' 不存在")
+    
+    # 创建结果数据框
+    result = df.copy()
+    
+    # 验证并转换数据类型
+    if not pd.api.types.is_numeric_dtype(result[column]):
+        # 尝试将字符串转换为数值
+        try:
+            result[column] = pd.to_numeric(result[column], errors='coerce')
+            print(f"警告: 列 '{column}' 已自动转换为数值类型")
+        except Exception as e:
+            raise TypeError(f"列 '{column}' 不是数值类型且无法转换，无法进行分箱")
+    
+    # 检查是否有有效的数值
+    if result[column].isna().all():
+        raise ValueError(f"列 '{column}' 中没有有效的数值，无法进行分箱")
+    
+    # 根据方法进行分箱
+    if method == 'custom':
+        # 自定义切点（用户输入的是中间切点，需要自动添加边界）
+        if not bins or len(bins) < 1:
+            raise ValueError('自定义切点至少需要1个值')
+        
+        # 验证切点是否升序
+        if bins != sorted(bins):
+            raise ValueError('切点必须按升序排列')
+        
+        # 自动添加左右边界
+        # 重要：始终添加边界，确保切点数+1=区间数
+        min_val = result[column].min()
+        max_val = result[column].max()
+        
+        print(f'用户输入切点: {bins}')
+        print(f'数据范围: [{min_val:.2f}, {max_val:.2f}]')
+        
+        # 构建完整的边界数组：始终添加左右边界
+        # 左边界：取min(用户第一个切点, 数据最小值) - 0.001
+        # 右边界：取max(用户最后一个切点, 数据最大值) + 0.001
+        left_bound = min(bins[0], min_val) - 0.001
+        right_bound = max(bins[-1], max_val) + 0.001
+        
+        full_bins = [left_bound] + bins + [right_bound]
+        
+        print(f'完整边界: {[f"{b:.1f}" for b in full_bins]}')
+        print(f'将生成 {len(full_bins) - 1} 个区间 = {len(bins) + 1} 个区间')
+        
+        # 验证标签数量（区间数 = 边界数 - 1）
+        expected_label_count = len(full_bins) - 1
+        if labels and len(labels) != expected_label_count:
+            raise ValueError(f'标签数量（{len(labels)}）必须等于区间数量（{expected_label_count}）')
+        
+        result[new_column_name] = pd.cut(
+            result[column],
+            bins=full_bins,
+            labels=labels,
+            right=False,
+            include_lowest=True
+        )
+        
+    elif method == 'equal_width':
+        # 等宽分箱
+        if num_bins < 2:
+            raise ValueError('分组数量至少为2')
+        
+        result[new_column_name] = pd.cut(
+            result[column],
+            bins=num_bins,
+            labels=labels,
+            include_lowest=True
+        )
+        
+    elif method == 'equal_freq':
+        # 等频分箱
+        if num_bins < 2:
+            raise ValueError('分组数量至少为2')
+        
+        result[new_column_name] = pd.qcut(
+            result[column],
+            q=num_bins,
+            labels=labels,
+            duplicates='drop'  # 处理重复边界值
+        )
+        
+    else:
+        raise ValueError(f"不支持的分箱方法: {method}")
+    
+    # 统计分布
+    print(f'分箱结果分布:')
+    value_counts = result[new_column_name].value_counts().sort_index()
+    for category, count in value_counts.items():
+        percentage = count / len(result) * 100
+        print(f'  {category}: {count} 行 ({percentage:.1f}%)')
+    
+    # 缺失值统计
+    missing_count = result[new_column_name].isna().sum()
+    if missing_count > 0:
+        print(f'警告: {missing_count} 个值无法分箱（可能是缺失值或边界问题）')
+    
+    return result
+