dataset-quality-audit 是一个数据质量审计工具，用于对表格数据运行 12 个维度的质量检查，并生成每个维度的评分（0–100）、总体等级以及可操作的修复建议。
用途 该工具面向表格数据的质量评估场景，支持 CSV、Excel、TSV、JSON 等格式。它通过多维度检查帮助使用者发现数据中的常见问题，并给出修复方向。
主要能力 工具覆盖以下 12 个检查维度：
- 缺失值：统计每列 null/NaN 值的数量与百分比。
- 重复行：统计完全重复行的数量与百分比。
- 类型一致性：检测单列内混合类型（例如数字与文本混用）。
- 数值范围/异常值：使用 IQR 方法进行异常值检测。
- 格式合规性：检查日期、邮箱、电话号码等格式化字段的一致性。
- 唯一性约束：检查 ID 类型列是否包含重复值。
- 空白字符问题：检测首尾空格、空字符串、仅含空白字符的值。
- 常量列：识别仅含单一唯一值的列（零信息量）。
- 分布偏度：判断数值列是否存在过度偏斜。
- 列命名：检查列名中的空格、特殊字符或大小写不一致。
- 基数异常：识别唯一值数量异常偏高或偏低的情况。
- 跨列一致性：执行跨列的逻辑检查（例如开始日期早于结束日期）。
使用方式 工具以 Python 脚本形式提供，通过命令行调用。基本用法： python3 scripts/data_quality_checker.py data.csv
常用选项示例：
- 将报告保存为 JSON：python3 scripts/data_quality_checker.py data.csv --output report.json
- 指定 ID 列（用于唯一性检查）：python3 scripts/data_quality_checker.py users.csv --id-columns "user_id,email"
- 指定日期列（用于格式检查）：python3 scripts/data_quality_checker.py orders.csv --date-columns "created_at,updated_at"
参数说明：
- input（必填）：输入文件路径（CSV/TSV/Excel/JSON）。
- --output / -o（可选，默认 stdout）：JSON 报告输出路径。
- --id-columns / -id（可选，默认自动检测）：应以逗号分隔的、要求唯一的列名。
- --date-columns / -dc（可选，默认自动检测）：应以逗号分隔的、包含日期的列名。
- --sample / -s（可选，默认全部行）：采样行数，适用于大文件。
- --encoding / -e（可选，默认 utf-8）：文件编码。
输出格式为 JSON，包含文件名、行数、列数、总体评分、等级、各维度评分与问题列表，以及 top_suggestions 修复建议列表。
评分等级
- A+：95–100，质量优秀，可直接使用。
- A：90–95，质量良好，仅有轻微问题。
- B：80–90，质量中等，建议使用前修复。
- C：60–80，质量较差，需要显著清洗。
- D：40–60，质量很差，存在许多需要处理的问题。
- F：0–40，基本不可用，需要重新采集或大规模清理。
适用场景 适用于需要对表格数据进行质量评估与清洗前诊断的场景，例如数据准备、数据治理、分析前的数据检查等。
依赖与限制 依赖 Python 3.8+、pandas 和 numpy，安装命令为：pip install pandas numpy。关于平台支持范围、收费模式、性能上限等更多信息，资料暂未提供。