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20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": 3,
"derived_id": 1,
"id": "cu_51_2_1",
"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_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20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": 1,
"id": "cu_51_2_1",
"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_cu_51_2(df):
'''
验证CU_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10个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['cu_51_2_subject'] = True # 所有公司均为上市公司
df['cu_51_2_condition'] = df['回购方式'] == '要约... | {
"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": 0,
"derived_id": 1,
"id": "cu_51_2_1",
"law_article_id": 51,
"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_51_2(df):
'''
验证CU_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10个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['cu_51_2_subject'] = True # 所有公司均为上市公司
df['cu_51_2_condition'] = df['回购方式'] == '要约... | {
"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": 1,
"derived_id": 1,
"id": "cu_51_2_1",
"law_article_id": 51,
"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_51_2(df):
'''
验证CU_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10个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['cu_51_2_subject'] = True # 所有公司均为上市公司
df['cu_51_2_condition'] = df['回购方式'] == '要约... | {
"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": 2,
"derived_id": 1,
"id": "cu_51_2_1",
"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_cu_51_2(df):
'''
验证CU_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10个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['cu_51_2_subject'] = True # 所有公司均为上市公司
df['cu_51_2_condition'] = df['回购方式'] == '要约... | {
"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": 3,
"derived_id": 1,
"id": "cu_51_2_1",
"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_cu_51_2(df):
'''
验证CU_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10个交易日平均价
'''
df = df.copy()
# 初始化标记列
df['cu_51_2_subject'] = True # 所有公司均为上市公司
df['cu_51_2_condition'] = df['回购方式'] == '要约... | {
"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": 1,
"id": "cu_51_2_1",
"law_article_id": 51,
"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.