QC2_EnumerationFieldCheck 枚举校验Skill

功能概述

本skill用于将被检验表中的属性项值与相应标准词典进行比对，检查是否超出词典规定的固有词表枚举值范围。如果超出范围，会标记质控标识并输出异常数据。

触发条件

当用户请求以下任务时，应使用此skill：

• 枚举校验
• 枚举值检查
• 属性项校验
• 词表校验
• 检查数据是否在标准词典范围内
• 数据枚举值验证

处理逻辑

1. 读取被检验表和标准词典文件
2. 根据指定的对比字段进行匹配（支持多字段）
3. 找出不在标准词典范围内的异常数据
4. 为异常数据添加质控标识
5. 输出两个文件：
   • 异常数据文件
   • 处理后的原始数据文件（带质控标识）

输入文件说明

被检验表 (origin_file_path)

需要校验的数据文件，支持CSV、TSV、Excel、SPSS等格式。

标准词典表 (standard_file_path)

标准词典文件，包含正确的枚举值列表。

支持的文件格式

• CSV (.csv)
• TSV (.tsv)
• Excel (.xls, .xlsx)
• SPSS (.sav)

使用方法

步骤1：获取用户输入输出路径及参数

向用户确认：

1. 被检验表路径
2. 标准词典文件路径
3. 异常数据输出路径
4. 处理后原始数据输出路径
5. 对比字段（格式：原始字段:标准字段，如：sscode,ssname:sscode,ssname）
6. 质控标识（如：QC2_ERROR）
7. 质控标识字段名（默认：QC0000）
8. 唯一ID字段名（默认：ID0000）

步骤2：执行枚举校验脚本

在 scripts/ 目录下找到 QC2_EnumerationFieldCheck.py，使用Python执行：

python scripts/QC2_EnumerationFieldCheck.py \
    --origin_file_path <被检验表> \
    --standard_file_path <标准词典> \
    --error_output_path <异常数据输出> \
    --origin_output_path <处理后数据输出> \
    --comparison_field "<对比字段>" \
    --qc_mark "<质控标识>" \
    --mark_field_name <质控字段名> \
    --id_field_name <ID字段名>

步骤3：返回结果

• 如果有异常数据：显示异常数量并输出异常数据预览
• 如果无异常：告知用户校验通过

参数说明

参数	必填	说明
--origin_file_path	是	被检验数据文件路径
--standard_file_path	是	标准词典文件路径
--error_output_path	是	异常数据输出路径
--origin_output_path	是	处理后原始数据输出路径
--comparison_field	是	对比字段，格式：原字段1,原字段2:标准字段1,标准字段2
--qc_mark	是	质控标识（如QC2_ERROR）
--mark_field_name	否	质控标识字段名，默认QC0000
--id_field_name	否	唯一ID字段名，默认ID0000

输出示例

有异常数据

[OK] Using encoding GB2312 successfully read CSV file
Successfully read file: /path/to/origin.csv, shape: (1000, 18)
Successfully read file: /path/to/standard.csv, shape: (50, 2)
########## Exception: Enumeration value out of range!!!
Abnormal data (first 10 rows):
...
Enumeration check completed, output files generated!

无异常数据

[OK] Using encoding GB2312 successfully read CSV file
Successfully read file: /path/to/origin.csv, shape: (1000, 18)
Successfully read file: /path/to/standard.csv, shape: (50, 2)
Enumeration check completed, output files generated!

注意事项

1. 对比字段格式必须正确，使用冒号分隔原字段和标准字段
2. 输出两个文件：异常数据和处理后的原始数据
3. 异常数据的质控标识字段会被标记为用户指定的质控标识
4. 处理后的原始数据会保留原始质控标识并追加新的标识