generate-codebook

用途：把原始表格数据转为可引用的数据字典。它只负责生成字典产物，不解读编码值含义。\n\n主要能力：运行捆绑脚本对.csv/.tsv/.xlsx/.parquet/.dta/.sas7bdat 逐个变量剖析，输出角色（id/连续/分类/二值/日期/文本）、dtype、缺失率、唯一值数、水平频率或分位数摘要，以及 needs_dictionary 标记；生成 codebook.json（机器可读）和 codebook.md（审阅表）。\n\n用法：python "${CLAUDE_SKILL_DIR}/scripts/generate_codebook.py" data.csv --out-dir .，支持 --max-levels N（默认20）、--json-only、--md-only。脚本仅依赖 pandas，本地运行，不外传数据。流程含两个人工确认关卡：先让研究者确认推断出的变量角色，再从权威字典补充每个编码含义并标注出处，无来源则保留 [NEEDS DICTIONARY] 标记。完成后可作为 /define-variables 与字典优先 QC 的输入。\n\n场景与限制：适用于需要数据字典的表格数据集。已知限制：非数字且长度超过3字符的代码（如 C50.9、S001）不被识别为代码；整数编码列的不同取值超过 --max-levels 时会被判为连续且不被标记；以字符串形式存储的数字编码同理。外部共享前应先对原始数据执行 /deidentify。