HaHafeng
74cf346453
Major features: 1. Missing value imputation (6 simple methods + MICE): - Mean/Median/Mode/Constant imputation - Forward fill (ffill) and Backward fill (bfill) for time series - MICE multivariate imputation (in progress, shape issue to fix) 2. Auto precision detection: - Automatically match decimal places of original data - Prevent false precision (e.g. 13.57 instead of 13.566716417910449) 3. Categorical variable detection: - Auto-detect and skip categorical columns in MICE - Show warnings for unsuitable columns - Suggest mode imputation for categorical data 4. UI improvements: - Rename button: "Delete Missing" to "Missing Value Handling" - Remove standalone "Dedup" and "MICE" buttons - 3-tab dialog: Delete / Fill / Advanced Fill - Display column statistics and recommended methods - Extended warning messages (8 seconds for skipped columns) 5. Bug fixes: - Fix sessionService.updateSessionData -> saveProcessedData - Fix OperationResult interface (add message and stats) - Fix Toolbar button labels and removal Modified files: Python: operations/fillna.py (new, 556 lines), main.py (3 new endpoints) Backend: QuickActionService.ts, QuickActionController.ts, routes/index.ts Frontend: MissingValueDialog.tsx (new, 437 lines), Toolbar.tsx, index.tsx Tests: test_fillna_operations.py (774 lines), test scripts and docs Docs: 5 documentation files updated Known issues: - MICE imputation has DataFrame shape mismatch issue (under debugging) - Workaround: Use 6 simple imputation methods first Status: Development complete, MICE debugging in progress Lines added: ~2000 lines across 3 tiers
DC - 数据清洗整理
模块代号： DC (Data Cleaning)
开发状态： ⏳ 规划中
商业价值： ⭐⭐⭐⭐⭐ 可独立售卖
独立性： ⭐⭐⭐⭐⭐
优先级： P1
📋 模块概述
数据清洗整理模块提供专业工具，处理医院导出的海量（百万行级）、多表格的Excel数据。
核心价值： 核心差异化功能，解决医学科研痛点
🎯 核心功能
1. 表格ETL（重点）
- 多张Excel表格导入
- 按"患者ID"和"时间"自动JOIN
- 重组为干净的分析宽表
2. 文本提取（NER）（重点）
- 从病理报告提取结构化字段
- 从住院小结提取关键信息
- TNM分期自动识别
3. 数据质量报告
- 缺失值统计
- 异常值检测
- 数据质量评分
4. 导出标准化数据
- Excel导出
- SPSS格式
- R语言格式
📂 文档结构
DC-数据清洗整理/
├── [AI对接] DC快速上下文.md # ⏳ 待创建
├── 00-项目概述/
│ └── 01-产品需求文档(PRD).md # ⏳ 待创建
├── 01-设计文档/
│ ├── 01-ETL引擎设计.md # ⏳ 待创建
│ └── 02-医学NLP设计.md # ⏳ 待创建
└── README.md # ✅ 当前文档
🔗 依赖的通用能力
- LLM网关 - 医学NER提取（云端版）
- 文档处理引擎 - Excel/Docx读取
- ETL引擎 - 数据清洗和转换
- 医学NLP引擎 - 实体识别（单机版）
🎯 商业模式
目标客户： 临床科室、数据管理员
售卖方式： 独立产品
定价策略： 按项目数或一次性License
⚠️ 技术难点
- 大数据处理 - 百万行数据的内存管理
- 隐私保护 - 单机版必须100%本地化
- NER准确率 - 医学术语复杂
最后更新： 2025-11-06
维护人： 技术架构师