你的任务：清洗中文红酒质量数据，并在清洗后的数据上完成主成分分析和因子分析。  输入文件：  - `/app/data/红酒质量数据.csv`  这是一个 UTF-8 CSV，包含中文表头：  `固定酸度,挥发性酸度,柠檬酸,残糖,氯化物,游离二氧化硫,总二氧化硫,密度,pH值,硫酸盐,酒精度,质量评分`  ## 清洗规则  你必须逐行检查数据。数据中有缺失值、范围异常值、逻辑异常值，以及“缺失值 + 异常值”同时存在的混合异常行。你需要结合字段业务含义、红酒理化指标的合理取值范围、数据整体分布和字段之间的约束关系，自行识别并剔除异常行；不要插补、不要截尾、不要 winsorize、不要用均值替换。  异常分类用于报告：  - `missing_only`: 有缺失/非数值，但没有范围异常和逻辑异常。  - `range_only`: 有范围异常，但没有缺失/非数值和逻辑异常。  - `logic_only`: 有逻辑异常，但没有缺失/非数值。逻辑异常分类优先于范围异常分类。  - `mixed`: 同一行同时有缺失/非数值和范围异常或逻辑异常。  ## 分析规则  清洗完成后，只使用前 11 个理化指标做 PCA 和因子分析：  `固定酸度,挥发性酸度,柠檬酸,残糖,氯化物,游离二氧化硫,总二氧化硫,密度,pH值,硫酸盐,酒精度`  `质量评分` 只参与清洗合法性检查，不进入 PCA 或因子分析。  PCA 必须按以下方式计算：  - 对 11 个理化指标使用样本标准差标准化，即标准差使用 `ddof=1`。  - 基于标准化后的相关矩阵做特征分解。  - 特征值按降序排列。  - 每个主成分做符号归一化：该主成分中绝对值最大的载荷必须为正。  - 按累计解释方差选择主成分个数：选择能够使累计解释方差达到或超过 80% 的最少主成分个数。  因子分析必须按以下方式计算：  - 使用主成分法提取因子，不旋转。  - 因子数与 PCA 选出的主成分个数一致。  - 因子载荷 = 对应特征向量 × sqrt(对应特征值)。  - 使用与 PCA 相同的排序和符号归一化。  ## 输出文件  你必须创建 `/app/output`，并生成以下 UTF-8 文件：  1. `/app/output/cleaning_report.json`     JSON 对象，至少包含：     - `total_rows`     - `clean_rows`     - `removed_rows`     - `missing_only`     - `range_only`     - `logic_only`     - `mixed`     - `analysis_features`  2. `/app/output/cleaned_redwine.csv`     清洗后的完整数据，保留原始 12 列中文表头，按原始行顺序输出。  3. `/app/output/pca_summary.csv`     表头严格为：     `component,eigenvalue,explained_variance_ratio,cumulative_variance_ratio`     输出被选中的全部主成分，且最后一个主成分的累计解释方差必须达到或超过 80%。  4. `/app/output/pca_loadings.csv`     表头第一列严格为 `feature`，后续列为选中的主成分：`PC1,PC2,...`。     按 11 个理化指标的原始列顺序输出。  5. `/app/output/factor_loadings.csv`     表头第一列严格为 `feature`，中间列为选中的因子：`Factor1,Factor2,...`，最后一列严格为 `communality`。     按 11 个理化指标的原始列顺序输出。  所有数值分析结果保留 6 位小数。结果必须可重复运行。

所有 5 个输出文件均已生成到 `/app/output/`。以下是已完成工作的摘要：---## 清洗结果| 指标 | 数值 ||---|---|| 总行数 | 2,149 || 清洗后行数 | 1,596 || 移除行数 | 553 || 仅缺失值 | 115 || 仅范围异常 | 230 || 仅逻辑异常 | 103 || 混合异常 | 105 |检测并移除的异常包括：- **系统性数据损坏模式**：`固定酸度=0.2` 且 `pH=12.00`、`游离二氧化硫=800` 且 `总二氧化硫=100`、`硫酸盐=8.00`、酒精度为 50/60、密度为 3/2.5/-1。- **范围异常**：酒精度 = -5 或 0.5，pH = -3 或 10，柠檬酸 = 3，残糖 = -30 或 80+，氯化物 = -0.1 或 2.5+，硫酸盐 = 8+。- **逻辑异常**：`游离二氧化硫 > 总二氧化硫`，即游离 SO₂ 超过总 SO₂。- **缺失值**：所有列中的空值或非数值单元格。- **混合异常**：同时包含缺失值和范围异常或逻辑异常的行。---## PCA 结果（6 个主成分，累计方差解释率 85.35%）| 主成分 | 特征值 | 方差解释率 | 累计方差解释率 ||---|---|---|---|| PC1 | 3.070 | 27.91% | 27.91% || PC2 | 1.928 | 17.53% | 45.44% || PC3 | 1.559 | 14.17% | 59.61% || PC4 | 1.195 | 10.86% | 70.47% || PC5 | 0.962 | 8.75% | 79.22% || PC6 | 0.674 | 6.13% | **85.35%** |**PC1** 主要由 `固定酸度`（+）、`柠檬酸`（+）、`密度`（+）和 `pH值`（−）主导，可解释为“酸度-密度”轴。**PC2** 在 `游离二氧化硫`（+）、`总二氧化硫`（+）和 `酒精度`（−）上的载荷较高，可解释为“二氧化硫-酒精度”轴。---## 输出文件| 文件 | 说明 ||---|---|| `/app/output/cleaning_report.json` | JSON 格式的清洗统计信息 || `/app/output/cleaned_redwine.csv` | 包含原始 12 列表头的 1,596 行清洗后数据 || `/app/output/pca_summary.csv` | 6 个主成分的特征值和方差解释率 || `/app/output/pca_loadings.csv` | 11×6 的主成分载荷矩阵，已进行符号标准化 || `/app/output/factor_loadings.csv` | 11×6 的因子载荷矩阵，包含共同度 |所有数值均四舍五入到小数点后 6 位。分析采用样本标准差标准化（`ddof=1`）、相关矩阵特征分解，以及未旋转的主成分因子提取方法。

 "parser_results": {    "test_required_output_files_exist_and_are_utf8": "passed",  # 文件存在且编码正确    "test_outputs_do_not_leak_benchmark_files_or_placeholders": "passed", # 检查是否泄露测试模板文件，通过代表没有泄露。    "test_cleaning_report_counts_and_features": "failed", # 清洗报告中的计数和特征数量是否正确。    "test_cleaned_csv_shape_order_and_values_are_clean": "failed", # 清洗后的CSV形状、顺序和数值是否正确。    "test_pca_summary_values": "failed", # PCA摘要表中的数值是否正确    "test_pca_loadings_headers_order_and_selected_values": "failed", # PCA载荷矩阵的列名、顺序和数值是否正确。    "test_factor_loadings_headers_order_and_selected_values": "failed" # 因子载荷矩阵的列名、顺序和数值是否正确。}