problem stringlengths 4.96k 7.57k | gold_standard_solution stringclasses 57
values | verification_info dict | metadata dict |
|---|---|---|---|
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_51_2(df):
'''
验证MEU_51_2合规性：
- subject: 上市公司（所有行自动满足）
- condition: 实施要约回购（回购方式为要约回购）
- constraint: 要约价格不低于方案公告日前30个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['meu_51_2_subject'] = True # 所有公司均为上市公司
df['meu_51_2_condition'] = df['回购方式'] ==... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_51_2",
"derived_derived_id": 4,
"derived_id": 0,
"id": "cu_51_2_0",
"law_article_id": 51,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一：（一）收盘价低于每股净资产；（二）20交易日累计跌幅20%
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_cond... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_4_1_1",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一：（一）收盘价低于每股净资产；（二）20交易日累计跌幅20%
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_cond... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_4_1_1",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一：（一）收盘价低于每股净资产；（二）20交易日累计跌幅20%
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_cond... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_4_1_1",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一：（一）收盘价低于每股净资产；（二）20交易日累计跌幅20%
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_cond... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_4_1_1",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一：（一）收盘价低于每股净资产；（二）20交易日累计跌幅20%
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_cond... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_4_1_1",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_condition'] = False
df['meu_4_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 0,
"derived_id": 2,
"id": "cu_4_1_2",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_condition'] = False
df['meu_4_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 1,
"derived_id": 2,
"id": "cu_4_1_2",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_condition'] = False
df['meu_4_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 2,
"derived_id": 2,
"id": "cu_4_1_2",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_condition'] = False
df['meu_4_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 3,
"derived_id": 2,
"id": "cu_4_1_2",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_4_1(df):
'''
检查MEU_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 通过了维护公司价值及股东权益所必需的回购决议
- constraint: 需满足两个价格条件之一
'''
df = df.copy()
# 初始化合规标记列
df['meu_4_1_subject'] = True # 所有记录均为上市公司
df['meu_4_1_condition'] = False
df['meu_4_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 4,
"derived_id": 2,
"id": "cu_4_1_2",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 实施竞价回购
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint'... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 0,
"derived_id": 3,
"id": "cu_4_1_3",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 实施竞价回购
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint'... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 1,
"derived_id": 3,
"id": "cu_4_1_3",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 实施竞价回购
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint'... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 2,
"derived_id": 3,
"id": "cu_4_1_3",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 实施竞价回购
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint'... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 3,
"derived_id": 3,
"id": "cu_4_1_3",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 实施竞价回购
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint'... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 4,
"derived_id": 3,
"id": "cu_4_1_3",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1的合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 存在回购方案
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 0,
"derived_id": 4,
"id": "cu_4_1_4",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1的合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 存在回购方案
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 1,
"derived_id": 4,
"id": "cu_4_1_4",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1的合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 存在回购方案
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 2,
"derived_id": 4,
"id": "cu_4_1_4",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1的合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 存在回购方案
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 3,
"derived_id": 4,
"id": "cu_4_1_4",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_4_1(df):
'''
检查cu_4_1的合规性：
- subject: 上市公司（所有记录自动满足）
- condition: 存在回购方案
- constraint: 需满足四个价格条件之一（仅验证前三项）
'''
df = df.copy()
# 初始化合规标记列
df['cu_4_1_subject'] = True # 所有记录均为上市公司
df['cu_4_1_condition'] = False
df['cu_4_1_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_4_1",
"derived_derived_id": 4,
"derived_id": 4,
"id": "cu_4_1_4",
"law_article_id": 4,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满7个月
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上市日期满7个月时满足cons... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_13_1_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满7个月
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上市日期满7个月时满足cons... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_13_1_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满7个月
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上市日期满7个月时满足cons... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_13_1_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满7个月
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上市日期满7个月时满足cons... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_13_1_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满7个月
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上市日期满7个月时满足cons... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_13_1_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满18个月（一个月按30自然日计算）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 0,
"derived_id": 2,
"id": "cu_13_1_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满18个月（一个月按30自然日计算）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 1,
"derived_id": 2,
"id": "cu_13_1_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满18个月（一个月按30自然日计算）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 2,
"derived_id": 2,
"id": "cu_13_1_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满18个月（一个月按30自然日计算）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 3,
"derived_id": 2,
"id": "cu_13_1_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证cu_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满18个月（一个月按30自然日计算）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距离上... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 4,
"derived_id": 2,
"id": "cu_13_1_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证CU_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满6个月（按每月30天计算，共180天）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 0,
"derived_id": 3,
"id": "cu_13_1_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证CU_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满6个月（按每月30天计算，共180天）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 1,
"derived_id": 3,
"id": "cu_13_1_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证CU_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满6个月（按每月30天计算，共180天）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 2,
"derived_id": 3,
"id": "cu_13_1_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证CU_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满6个月（按每月30天计算，共180天）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 3,
"derived_id": 3,
"id": "cu_13_1_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_13_1(df):
'''
验证CU_13_1合规性:
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 上市已满6个月（按每月30天计算，共180天）
参数说明:
df: 包含公司每日状态的面板数据，必须包含['上市日期','日期','回购方式']列
验证逻辑:
1. 所有公司默认满足subject条件（均为上市公司）
2. 当回购方式为竞价交易时满足condition
3. 当当前日期距... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_1",
"derived_derived_id": 4,
"derived_id": 3,
"id": "cu_13_1_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_cu_13_2(df):
'''
合规性检查函数，针对cu_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近2年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 5,
"derived_id": 1,
"id": "cu_13_2_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 0,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 1,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 2,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 3,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 4,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 实施竞价回购
- constraint: 最近365个自然日内无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.cop... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 5,
"derived_id": 2,
"id": "cu_13_2_2",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 0,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 1,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 2,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 3,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 4,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
from bisect import bisect_left, bisect_right
def check_meu_13_2(df):
'''
合规性检查函数，针对MEU_13_2条款：
- subject: 上市公司
- condition: 存在回购方案
- constraint: 最近1年无重大违法行为
参数说明：
df : 包含上市公司每日状态数据的DataFrame
返回：
添加合规性标记后的DataFrame
'''
df = df.copy()
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_2",
"derived_derived_id": 5,
"derived_id": 3,
"id": "cu_13_2_3",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_13_7(df):
'''
合规性检查函数，用于验证MEU_13_7条款的遵守情况
subject: 上市公司
condition: 因触及本指引第四条规定条件而启动回购且用途为维护公司价值及股东权益所必需
constraint: 不适用股票上市已满6个月的要求
'''
df = df.copy()
# 初始化标记列
df['meu_13_7_subject'] = True # 所有公司均为上市公司
df['meu_13_7_condition'] = Fal... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_7",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_13_7_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_13_7(df):
'''
合规性检查函数，用于验证MEU_13_7条款的遵守情况
subject: 上市公司
condition: 因触及本指引第四条规定条件而启动回购且用途为维护公司价值及股东权益所必需
constraint: 不适用股票上市已满6个月的要求
'''
df = df.copy()
# 初始化标记列
df['meu_13_7_subject'] = True # 所有公司均为上市公司
df['meu_13_7_condition'] = Fal... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_7",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_13_7_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_13_7(df):
'''
合规性检查函数，用于验证MEU_13_7条款的遵守情况
subject: 上市公司
condition: 因触及本指引第四条规定条件而启动回购且用途为维护公司价值及股东权益所必需
constraint: 不适用股票上市已满6个月的要求
'''
df = df.copy()
# 初始化标记列
df['meu_13_7_subject'] = True # 所有公司均为上市公司
df['meu_13_7_condition'] = Fal... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_7",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_13_7_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_13_7(df):
'''
合规性检查函数，用于验证MEU_13_7条款的遵守情况
subject: 上市公司
condition: 因触及本指引第四条规定条件而启动回购且用途为维护公司价值及股东权益所必需
constraint: 不适用股票上市已满6个月的要求
'''
df = df.copy()
# 初始化标记列
df['meu_13_7_subject'] = True # 所有公司均为上市公司
df['meu_13_7_condition'] = Fal... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_7",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_13_7_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_13_7(df):
'''
合规性检查函数，用于验证MEU_13_7条款的遵守情况
subject: 上市公司
condition: 因触及本指引第四条规定条件而启动回购且用途为维护公司价值及股东权益所必需
constraint: 不适用股票上市已满6个月的要求
'''
df = df.copy()
# 初始化标记列
df['meu_13_7_subject'] = True # 所有公司均为上市公司
df['meu_13_7_condition'] = Fal... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_13_7",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_13_7_1",
"law_article_id": 13,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查CU_15_2合规性:
subject: 上市公司
condition: NaN(无条件触发)
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = True # 无条件要求，全部视为满足
df['cu_15_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_15_2_1",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查CU_15_2合规性:
subject: 上市公司
condition: NaN(无条件触发)
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = True # 无条件要求，全部视为满足
df['cu_15_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_15_2_1",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查CU_15_2合规性:
subject: 上市公司
condition: NaN(无条件触发)
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = True # 无条件要求，全部视为满足
df['cu_15_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_15_2_1",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查CU_15_2合规性:
subject: 上市公司
condition: NaN(无条件触发)
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = True # 无条件要求，全部视为满足
df['cu_15_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_15_2_1",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查CU_15_2合规性:
subject: 上市公司
condition: NaN(无条件触发)
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = True # 无条件要求，全部视为满足
df['cu_15_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_15_2_1",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施竞价回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = df['存在回购方案'] & (df['回购方式'] == '竞价回购')
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 0,
"derived_id": 2,
"id": "cu_15_2_2",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施竞价回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = df['存在回购方案'] & (df['回购方式'] == '竞价回购')
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 1,
"derived_id": 2,
"id": "cu_15_2_2",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施竞价回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = df['存在回购方案'] & (df['回购方式'] == '竞价回购')
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 2,
"derived_id": 2,
"id": "cu_15_2_2",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施竞价回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = df['存在回购方案'] & (df['回购方式'] == '竞价回购')
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 3,
"derived_id": 2,
"id": "cu_15_2_2",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施竞价回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = df['存在回购方案'] & (df['回购方式'] == '竞价回购')
... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 4,
"derived_id": 2,
"id": "cu_15_2_2",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2的合规性：
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False
df['cu_15_2_con... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 0,
"derived_id": 3,
"id": "cu_15_2_3",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2的合规性：
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False
df['cu_15_2_con... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 1,
"derived_id": 3,
"id": "cu_15_2_3",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2的合规性：
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False
df['cu_15_2_con... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 2,
"derived_id": 3,
"id": "cu_15_2_3",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2的合规性：
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False
df['cu_15_2_con... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 3,
"derived_id": 3,
"id": "cu_15_2_3",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2的合规性：
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≥80%上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False
df['cu_15_2_con... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 4,
"derived_id": 3,
"id": "cu_15_2_3",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≤上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False，根据条件设置
df['cu_15_2_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 0,
"derived_id": 4,
"id": "cu_15_2_4",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≤上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False，根据条件设置
df['cu_15_2_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 1,
"derived_id": 4,
"id": "cu_15_2_4",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≤上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False，根据条件设置
df['cu_15_2_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 2,
"derived_id": 4,
"id": "cu_15_2_4",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≤上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False，根据条件设置
df['cu_15_2_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 3,
"derived_id": 4,
"id": "cu_15_2_4",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_15_2(df):
'''
检查cu_15_2合规性:
subject: 上市公司
condition: 实施要约回购
constraint: 回购方案需明确数量/资金上下限且下限≤上限
'''
df = df.copy()
# 初始化合规标记列
df['cu_15_2_subject'] = True # 所有公司均为上市公司
df['cu_15_2_condition'] = False # 初始化为False，根据条件设置
df['cu_15_2_... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_15_2",
"derived_derived_id": 4,
"derived_id": 4,
"id": "cu_15_2_4",
"law_article_id": 15,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 5,
"derived_id": 1,
"id": "cu_16_1_1",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 0,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 1,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 2,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 3,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 4,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
def check_cu_16_1(df):
'''
检查cu_16_1合规性：
- subject: 上市公司（所有行自动满足）
- condition: 存在竞价回购行为
- constraint: 申报价格不超过决议前30日交易均价200%
注：每日股价以收盘价为准, 不考虑日内价格变化; 不存在这30个交易日无法取到的情况
'''
df = df.copy()
# 1. 标记subject（所有公司均为上市公司）
df['cu_16_1_subject'] = True
# 2. 标记conditi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_16_1",
"derived_derived_id": 5,
"derived_id": 2,
"id": "cu_16_1_2",
"law_article_id": 16,
"law_document_id": "BSE04",
"mask_count": 3,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_18_7(df):
'''
验证MEU_18_7合规性:
- subject: 上市公司
- condition: 进行股份回购的申报
- constraint: 申报价格不得为当日涨跌幅限制价格
'''
df = df.copy()
# 初始化合规性标记列
df['meu_18_7_subject'] = True # 所有公司均为上市公司
df['meu_18_7_condition'] = False
df['meu_18_7_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_18_7",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_18_7_1",
"law_article_id": 18,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_18_7(df):
'''
验证MEU_18_7合规性:
- subject: 上市公司
- condition: 进行股份回购的申报
- constraint: 申报价格不得为当日涨跌幅限制价格
'''
df = df.copy()
# 初始化合规性标记列
df['meu_18_7_subject'] = True # 所有公司均为上市公司
df['meu_18_7_condition'] = False
df['meu_18_7_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_18_7",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_18_7_1",
"law_article_id": 18,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_18_7(df):
'''
验证MEU_18_7合规性:
- subject: 上市公司
- condition: 进行股份回购的申报
- constraint: 申报价格不得为当日涨跌幅限制价格
'''
df = df.copy()
# 初始化合规性标记列
df['meu_18_7_subject'] = True # 所有公司均为上市公司
df['meu_18_7_condition'] = False
df['meu_18_7_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_18_7",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_18_7_1",
"law_article_id": 18,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_18_7(df):
'''
验证MEU_18_7合规性:
- subject: 上市公司
- condition: 进行股份回购的申报
- constraint: 申报价格不得为当日涨跌幅限制价格
'''
df = df.copy()
# 初始化合规性标记列
df['meu_18_7_subject'] = True # 所有公司均为上市公司
df['meu_18_7_condition'] = False
df['meu_18_7_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_18_7",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_18_7_1",
"law_article_id": 18,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_meu_18_7(df):
'''
验证MEU_18_7合规性:
- subject: 上市公司
- condition: 进行股份回购的申报
- constraint: 申报价格不得为当日涨跌幅限制价格
'''
df = df.copy()
# 初始化合规性标记列
df['meu_18_7_subject'] = True # 所有公司均为上市公司
df['meu_18_7_condition'] = False
df['meu_18_7_constraint... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_18_7",
"derived_derived_id": 4,
"derived_id": 1,
"id": "cu_18_7_1",
"law_article_id": 18,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_19_1(df):
'''
合规性检查函数，用于验证CU_19_1条款的遵守情况：
- subject: 上市公司（所有行自动满足）
- condition: 实施竞价回购（需同时满足存在回购方案和回购方式为竞价）
- constraint: 实施期限不超过12个月（按30个自然日/月计算）
'''
df = df.copy()
# 初始化标记列
df['cu_19_1_subject'] = True # 所有公司均为上市公司
df['cu_19_1_condi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_19_1",
"derived_derived_id": 0,
"derived_id": 1,
"id": "cu_19_1_1",
"law_article_id": 19,
"law_document_id": "BSE04",
"mask_count": 0,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_19_1(df):
'''
合规性检查函数，用于验证CU_19_1条款的遵守情况：
- subject: 上市公司（所有行自动满足）
- condition: 实施竞价回购（需同时满足存在回购方案和回购方式为竞价）
- constraint: 实施期限不超过12个月（按30个自然日/月计算）
'''
df = df.copy()
# 初始化标记列
df['cu_19_1_subject'] = True # 所有公司均为上市公司
df['cu_19_1_condi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_19_1",
"derived_derived_id": 1,
"derived_id": 1,
"id": "cu_19_1_1",
"law_article_id": 19,
"law_document_id": "BSE04",
"mask_count": 1,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_19_1(df):
'''
合规性检查函数，用于验证CU_19_1条款的遵守情况：
- subject: 上市公司（所有行自动满足）
- condition: 实施竞价回购（需同时满足存在回购方案和回购方式为竞价）
- constraint: 实施期限不超过12个月（按30个自然日/月计算）
'''
df = df.copy()
# 初始化标记列
df['cu_19_1_subject'] = True # 所有公司均为上市公司
df['cu_19_1_condi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_19_1",
"derived_derived_id": 2,
"derived_id": 1,
"id": "cu_19_1_1",
"law_article_id": 19,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
# 身份
你是一个精通法律的程序员. 擅长编写代码以检验特定案例对于特定法律要求的合规性.
## ComplianceUnit概念简述
ComplianceUnit是法律条文拆解出的合规检查单元，包含：
- cu_id: ComplianceUnit的编号, 通常为"cu_n_k", 其中n是其所属的法条的编号, k是其在法条内部的编号
- subject: 责任主体（如"控股股东")
- condition: 触发条件（如"减持股份")
- constraint: 约束内容（如"提前15日公告")
- contextual_info: 补充说明（如价格计算方式）
# 任务
你现在面临一个编写代码以检验某法律事件的... | ```python
import pandas as pd
def check_cu_19_1(df):
'''
合规性检查函数，用于验证CU_19_1条款的遵守情况：
- subject: 上市公司（所有行自动满足）
- condition: 实施竞价回购（需同时满足存在回购方案和回购方式为竞价）
- constraint: 实施期限不超过12个月（按30个自然日/月计算）
'''
df = df.copy()
# 初始化标记列
df['cu_19_1_subject'] = True # 所有公司均为上市公司
df['cu_19_1_condi... | {
"language": "python",
"test_code": "```python\n# 读取模拟数据\nimport pandas as pd\ndf = pd.read_csv('data_simulation/data_generated/data_simulate_04.csv')\ndate_columns = ['日期', '决议通过日', '实施开始日', '实施截止日', '上市日期', '公告日期', '出售开始日', '出售截止日']\nfor col in date_columns:\n df[col] = pd.to_datetime(df[col])\n```"
} | {
"compliance_unit_id": "cu_19_1",
"derived_derived_id": 3,
"derived_id": 1,
"id": "cu_19_1_1",
"law_article_id": 19,
"law_document_id": "BSE04",
"mask_count": 2,
"variant": "1"
} |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.