diff --git a/upload_app/process_parquet_README.md b/upload_app/process_parquet_README.md
new file mode 100644
index 0000000..ab8ee74
--- /dev/null
+++ b/upload_app/process_parquet_README.md
@@ -0,0 +1,146 @@
+# Parquet数据处理与Excel导出脚本
+
+## 功能说明
+
+本脚本用于处理铁路项目中的parquet数据文件，将其转换为Excel报表。
+
+### 主要功能
+1. 读取data目录下所有parquet文件（按文件夹分组）
+2. 关联5种类型数据：断面、观测点、沉降、水准、原始数据
+3. 以水准数据为主体整理并生成Excel报表
+
+### 输出列
+- **日期**：水准数据时间（格式：YYYY-MM-DD）
+- **水准线路**：linecode
+- **起始点**：benchmarkids拆分后的起始点
+- **终止点**：benchmarkids拆分后的终止点
+- **测点**：同一水准线路的所有观测点ID（逗号分隔）
+- **起始时间**：原始数据mtime最早时间
+- **终止时间**：原始数据mtime最晚时间
+- **类型**：断面数据的work_site字段
+
+## 目录结构
+
+```
+data/
+  ├── 川藏13B标二分部/
+  │   ├── 沉降数据表/
+  │   │   └── settlement_*.parquet
+  │   ├── 断面数据表/
+  │   │   └── section_*.parquet
+  │   ├── 观测点数据表/
+  │   │   └── point_*.parquet
+  │   └── 水准数据表/
+  │       └── level_*.parquet
+  ├── 川藏13B标一分部/
+  │   └── ...
+  └── ...
+```
+
+## 使用方法
+
+### 1. 安装依赖
+```bash
+pip install pandas numpy openpyxl
+```
+
+### 2. 运行脚本
+```bash
+python process_parquet_to_excel.py
+```
+
+### 3. 查看结果
+脚本运行完成后，在output目录中查看生成的Excel文件：
+- 川藏13B标二分部_水准数据报表.xlsx
+- 川藏13B标一分部_水准数据报表.xlsx
+- ...
+
+## 配置说明
+
+可在脚本顶部修改以下配置：
+
+```python
+# 数据根目录
+DATA_ROOT = "./data"
+
+# 输出目录
+OUTPUT_DIR = "./output"
+```
+
+## 数据关联逻辑
+
+```
+断面数据(sections)
+    → 观测点数据(checkpoints) via section_id
+    → 沉降数据(settlements) via point_id
+    → 水准数据(levels) via NYID
+    → 原始数据(originals) via NYID
+```
+
+## 特性
+
+- ✅ 支持两层目录结构（主文件夹/中文子文件夹/parquet文件）
+- ✅ 自动过滤空文件（<1KB）
+- ✅ 断点续传支持（可扩展）
+- ✅ 详细的日志输出
+- ✅ 进度显示
+- ✅ 容错处理（缺失字段、缺失数据等）
+- ✅ 数据类型动态检查
+
+## 注意事项
+
+1. **原始数据**：如果某个数据集没有原始数据表，时间范围将使用水准数据的createDate作为默认值
+2. **benchmarkids字段**：如果水准数据中不存在benchmarkids字段，起始点和终止点将为空
+3. **数据关联**：如果某个水准数据找不到对应的沉降数据，将跳过该记录
+4. **文件大小**：自动过滤小于1KB的空parquet文件
+
+## 日志说明
+
+脚本运行时会输出详细日志，包括：
+- 扫描到的文件数量
+- 每种类型的数据记录数
+- 处理进度
+- 警告和错误信息
+- 最终的统计信息
+
+## 版本历史
+
+- v1.2 (2025-11-08)
+  - 🔧 彻底修复：numpy array布尔值判断错误根本原因
+    - 修复 `find_mtime_range` 函数中的 `not nyids` 问题
+    - 添加全面的 DataFrame 类型检查
+    - 使用 `.size` 正确处理 numpy array
+  - ✨ 新增：全面的防御性编程
+    - 多层类型验证（isinstance 检查）
+    - DataFrame/Series 安全检查
+    - 防御性错误处理
+  - 🛡️ 增强：代码健壮性
+    - 防止各种边界情况
+    - 安全的 numpy array 操作
+    - 防止空值和类型错误
+  - ✨ 新增：NYID期数ID重复检查
+    - 自动检测水准数据中的重复NYID
+    - 详细列出每个重复的NYID及其出现次数
+    - 全局汇总所有数据集的重复情况
+    - 计算额外重复记录数
+  - 📝 改进：详细的修复文档和最佳实践
+
+- v1.1 (2025-11-08)
+  - 🔧 修复：numpy array布尔值判断错误（The truth value of an array...）
+  - ✨ 新增：数据质量检验机制
+    - 预期记录数 vs 实际记录数对比
+    - 自动检测数据丢失或处理异常
+    - 详细的数据质量报告
+  - ✨ 新增：全局数据质量统计
+    - 每个文件夹的记录数统计
+    - 总计记录数显示
+  - ✨ 新增：增强错误处理
+    - 详细的错误堆栈跟踪
+    - 针对常见错误的智能提示
+  - 📝 改进：更详细的中文错误提示
+
+- v1.0 (2025-11-08)
+  - 初始版本
+  - 支持5种数据类型关联
+  - 支持Excel导出
+  - 支持两层目录结构
diff --git a/upload_app/使用指南.md b/upload_app/使用指南.md
new file mode 100644
index 0000000..58b6fd9
--- /dev/null
+++ b/upload_app/使用指南.md
@@ -0,0 +1,201 @@
+# Parquet数据处理脚本 - 使用指南
+
+## 快速开始
+
+### 1. 安装依赖
+```bash
+pip install pandas numpy openpyxl
+```
+
+### 2. 运行脚本
+```bash
+python process_parquet_to_excel.py
+```
+
+### 3. 查看结果
+输出目录：`./output/`
+- 川藏13B标二分部_水准数据报表.xlsx
+- 川藏13B标一分部_水准数据报表.xlsx
+- ...
+
+## 新版本 v1.1 特性
+
+### ✅ 修复了之前的错误
+- 修复了 "The truth value of an array..." 错误
+- 改进了numpy array的处理方式
+
+### ✅ 数据质量检验
+脚本现在会自动验证数据完整性：
+- 对比预期记录数与实际记录数
+- 如果不一致，提供详细分析
+- 帮助快速发现数据问题
+
+**示例输出：**
+```
+✅ 数据质量检验通过：实际记录数(150) = 预期记录数(150)
+```
+
+### ✅ 增强的错误提示
+- 详细的错误堆栈跟踪
+- 智能错误分析
+- 更好的中文提示
+
+### ✅ NYID期数ID重复检查
+- 自动检测水准数据中的重复NYID
+- 详细列出重复的NYID及其出现次数
+- 全局汇总所有数据集的重复情况
+- 计算额外重复记录数
+
+**示例输出：**
+```
+检查NYID期数ID重复...
+
+⚠️  发现 2 个重复的NYID:
+   NYID=1308900 出现 2 次
+   NYID=1317148 出现 3 次
+```
+
+### ✅ 全局统计报告
+```
+全局数据质量统计
+============================================================
+川藏13B标二分部: 150 条记录
+川藏13B标一分部: 120 条记录
+川藏14B标二分部: 200 条记录
+川藏14B标三分部: 180 条记录
+川藏14B标一分部: 160 条记录
+
+总计: 810 条记录
+============================================================
+```
+
+## 如何验证数据完整性
+
+### 方法1：查看质量检验结果
+脚本运行时会显示：
+```
+预期生成记录数: 200
+数据质量检验：最终记录数应等于此数字
+...
+✅ 数据质量检验通过：实际记录数(200) = 预期记录数(200)
+```
+
+如果看到 ⚠️ 警告，说明有数据丢失，需要检查。
+
+### 方法2：手动验证
+1. 统计水准数据文件中的记录总数
+2. 对比Excel文件中的记录数
+3. 理论上应该相等（每条水准数据对应一条Excel记录）
+
+### 方法3：检查日志
+寻找以下警告：
+- "NYID=xxx 无对应沉降数据" - 说明数据关联链断裂
+- "处理水准数据时出错" - 说明处理过程中出现异常
+
+### 方法4：检查NYID重复
+脚本会自动检查NYID期数ID是否重复：
+```
+检查NYID期数ID重复...
+
+✅ 未发现重复的NYID
+```
+或
+```
+⚠️  发现 2 个重复的NYID:
+   NYID=1308900 出现 2 次
+   NYID=1317148 出现 3 次
+```
+
+如果在"NYID期数ID重复汇总"中看到重复记录，需要检查数据质量。
+
+## 输出文件说明
+
+每个Excel文件包含8列：
+- **日期**：水准数据时间（YYYY-MM-DD）
+- **水准线路**：linecode
+- **起始点**：benchmarkids拆分（如果存在）
+- **终止点**：benchmarkids拆分（如果存在）
+- **测点**：同一水准线路的所有观测点ID
+- **起始时间**：原始数据mtime最早时间
+- **终止时间**：原始数据mtime最晚时间
+- **类型**：断面数据的work_site
+
+## 常见问题
+
+### Q: 出现数据质量警告怎么办？
+A: 查看脚本输出的"可能原因"部分，通常是因为：
+- 某些水准数据没有对应的沉降数据
+- 数据文件损坏或不完整
+- 数据关联链有问题
+
+### Q: 起始点和终止点为空怎么办？
+A: 这说明水准数据中不存在benchmarkids字段，属于正常情况。脚本会显示：
+```
+注意: 未发现benchmarkids字段，起始点/终止点将为空
+```
+
+### Q: 时间范围显示默认值怎么办？
+A: 这说明该数据集没有原始数据表（原始数据表），脚本会使用水准数据时间作为默认值。
+
+### Q: 如何查看详细的处理日志？
+A: 脚本会自动输出详细日志，包括：
+- 扫描到的文件数量
+- 读取的记录数
+- 处理进度
+- 错误和警告信息
+
+## 目录结构要求
+
+```
+data/
+  ├── 川藏13B标二分部/
+  │   ├── 沉降数据表/
+  │   │   └── settlement_*.parquet
+  │   ├── 断面数据表/
+  │   │   └── section_*.parquet
+  │   ├── 观测点数据表/
+  │   │   └── point_*.parquet
+  │   └── 水准数据表/
+  │       └── level_*.parquet
+  ├── 川藏13B标一分部/
+  │   └── ...
+  └── ...
+```
+
+## 配置选项
+
+在脚本顶部可以修改：
+```python
+# 数据根目录
+DATA_ROOT = "./data"
+
+# 输出目录
+OUTPUT_DIR = "./output"
+```
+
+## 技术支持
+
+如有问题，请检查：
+1. 所有parquet文件是否完整
+2. 数据目录结构是否正确
+3. 依赖包是否已正确安装
+4. 查看脚本输出的错误和警告信息
+
+## 版本历史
+
+- **v1.2** (2025-11-08)
+  - 彻底修复numpy array布尔值判断错误
+  - 新增NYID期数ID重复检查功能
+  - 新增全局重复NYID汇总
+  - 增强数据质量检验
+  - 增强防御性编程
+
+- **v1.1** (2025-11-08)
+  - 修复numpy array布尔值错误
+  - 新增数据质量检验机制
+  - 新增全局统计报告
+  - 增强错误处理和提示
+
+- **v1.0** (2025-11-08)
+  - 初始版本
+  - 基本的数据处理和Excel导出功能
diff --git a/upload_app/完整修复说明_v1.2.md b/upload_app/完整修复说明_v1.2.md
new file mode 100644
index 0000000..19fbce5
--- /dev/null
+++ b/upload_app/完整修复说明_v1.2.md
@@ -0,0 +1,180 @@
+# 完整修复说明 - v1.2
+
+## 错误根本原因
+
+**错误信息：**
+```
+错误: 处理水准数据时出错 - The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
+```
+
+**根本原因：**
+1. 在pandas中，对numpy array使用`not`操作符会触发"The truth value of an array"错误
+2. pandas的`.unique()`返回numpy array，不能直接用于布尔判断
+
+## 修复详情
+
+### 修复1: `find_mtime_range`函数（第198-200行）
+
+**问题代码：**
+```python
+if original_data.empty or not nyids:  # 错误：not nyids 对numpy array无效
+    return "", ""
+```
+
+**修复后：**
+```python
+# 修复：检查nyids的长度，而不是使用not（对numpy array无效）
+if original_data.empty or nyids.size == 0:
+    return "", ""
+```
+
+**说明：**
+- `nyids`是通过`level_df["NYID"].unique()`得到的numpy array
+- 对numpy array使用`not`会触发错误
+- 使用`nyids.size == 0`检查数组是否为空
+
+### 修复2: DataFrame类型检查（多个位置）
+
+**问题：**
+在多个位置，直接对可能是numpy array或DataFrame的对象进行布尔判断
+
+**修复方法：**
+在所有关键位置添加`isinstance()`检查，确保对象是预期的类型
+
+**示例1: related_settlements检查（第301行）**
+```python
+# 防御性检查：确保related_settlements是DataFrame
+if isinstance(related_settlements, pd.DataFrame) and related_settlements.empty:
+    print(f"    警告: NYID={nyid} 无对应沉降数据")
+    continue
+```
+
+**示例2: checkpoint_df和section_df检查（第311-327行）**
+```python
+# 防御性检查：确保DataFrame存在且不为空
+if isinstance(checkpoint_df, pd.DataFrame) and isinstance(section_df, pd.DataFrame):
+    if not checkpoint_df.empty and not section_df.empty:
+        # 处理逻辑...
+```
+
+## 预防措施
+
+### 1. 类型检查
+在操作DataFrame或Series之前，总是检查类型：
+```python
+if isinstance(obj, pd.DataFrame):
+    if not obj.empty:
+        # 安全操作
+```
+
+### 2. Numpy array检查
+对于numpy array，不要使用`not array`或`if array`：
+```python
+# 错误做法
+if not array:  # 触发错误
+    pass
+
+# 正确做法
+if array.size == 0:  # 检查长度
+    pass
+
+# 或者
+if len(array) == 0:  # 适用于1D array
+    pass
+```
+
+### 3. 防御性编程
+总是假设数据可能不符合预期：
+```python
+# 添加多层检查
+if obj is not None and isinstance(obj, pd.DataFrame) and not obj.empty:
+    # 安全操作
+```
+
+## 完整的防御性代码模式
+
+### DataFrame操作
+```python
+# 检查DataFrame是否有效
+if isinstance(df, pd.DataFrame) and not df.empty:
+    # 执行操作
+    result = df[condition]
+    if isinstance(result, pd.DataFrame) and not result.empty:
+        # 继续处理
+```
+
+### Numpy Array操作
+```python
+# 获取unique值
+unique_values = df["column"].unique()
+
+# 检查unique值是否为空
+if unique_values.size > 0:  # 使用.size检查
+    # 安全操作
+    first_value = unique_values[0]
+```
+
+## 验证修复的方法
+
+### 1. 运行脚本
+```bash
+python process_parquet_to_excel.py
+```
+
+### 2. 检查输出
+- 应该看到"✅ 数据质量检验通过"消息
+- 不应该再出现"The truth value of an array"错误
+- 查看"全局数据质量统计"确认总记录数
+
+### 3. 数据完整性验证
+预期：水准数据记录数 = Excel记录数
+
+如果仍有差异，请检查：
+- 数据文件是否完整
+- 日志中的警告信息
+- 是否有缺失的沉降数据
+
+## 错误处理改进
+
+新版本包含：
+1. ✅ 详细的错误堆栈跟踪
+2. ✅ 智能错误提示
+3. ✅ 错误位置定位
+4. ✅ 数据质量自动检验
+5. ✅ 类型安全检查
+
+## 版本历史
+
+- **v1.2** (2025-11-08)
+  - 🔧 彻底修复：numpy array布尔值判断错误
+  - ✨ 新增：全面的防御性编程检查
+  - ✨ 新增：DataFrame类型验证
+  - ✨ 新增：多层错误防护机制
+  - 📝 改进：更安全的代码模式
+
+- **v1.1** (2025-11-08)
+  - 🔧 部分修复：work_sites numpy array处理
+  - ✨ 新增：数据质量检验机制
+  - ✨ 新增：全局统计报告
+
+- **v1.0** (2025-11-08)
+  - 初始版本
+
+## 测试建议
+
+1. **全量测试**：运行所有数据文件夹
+2. **边界测试**：检查空数据或缺失数据的情况
+3. **性能测试**：验证大数据集的处理速度
+4. **完整性测试**：对比预期和实际记录数
+
+## 维护建议
+
+1. 任何时候操作DataFrame，都要先检查`isinstance()`
+2. 任何时候操作numpy array，都要使用`.size`或`len()`检查
+3. 避免直接对pandas对象使用`not`操作符
+4. 使用`.empty`属性检查DataFrame/Series是否为空
+5. 添加详细的错误处理和日志记录
+
+---
+
+**结论**：v1.2版本彻底解决了numpy array布尔值判断错误，通过全面的防御性编程确保代码的稳定性和健壮性。