数据清理项目feedback记录

20231105 反思组学数据中，病理类型清理问题

问题表现：
规则定义不清。唯一识别码定义不清。导致出现冗余的清理代码。

解决：
不应该直接去清理表格，再将清理好的表格进行合并。
应该针对每位患者去清理，减少可能的情况。

更改后措施：
对dt_omics中每个样本，针对唯一识别码（样本编号）、患者ID、样本日期，从而匹配日期最近的病理诊断信息。
如果病理诊断为单一诊断，则直接返回该位置为1，其他位置均为0的向量。
如果病理诊断为NOSURE。则对文本进行抽提。

避免了很多复杂的tag和清理规则。

为什么我一般做diag都是merge。因为我是首先明确了我最核心的规则，再去写代码。
这次我考虑了各种情况，但没有定义出我最核心的规则。
而我最开始并没有明确我的规则是：都以活检表为主，匹配活检表上最近的诊断数据。