CSV 大数据处理

读取 ~/data/sales_2025.csv（约 200 万行），帮我做以下处理：

1. 按月份汇总总销售额，输出月度趋势
2. 找出销售额 Top 10 的产品，列出产品名和总金额
3. 按地区分组，统计每个地区的订单数和平均客单价
4. 把结果导出为 summary.csv，保存到 ~/data/output/

用 pandas 处理，注意内存优化（指定 dtype，分块读取如果需要）。

清洗 ~/data/raw_customers.csv 这份数据：

1. 去除完全重复的行
2. 日期列统一为 YYYY-MM-DD 格式（原始数据里有 2025/01/15、01-15-2025、2025年1月15日 等多种格式）
3. 手机号统一为 11 位纯数字（去掉区号、空格、横线）
4. 缺失值处理：数值列填中位数，分类列填"未知"
5. 输出清洗报告：处理了多少行、每列的处理情况

清洗后保存为 cleaned_customers.csv。

~/data/ 目录下有 5 个 CSV 文件：
- users.csv（用户ID, 姓名, 注册时间, 地区）
- orders.csv（订单ID, 用户ID, 商品ID, 金额, 下单时间）
- products.csv（商品ID, 品类, 品牌, 单价）
- reviews.csv（用户ID, 商品ID, 评分, 评价时间）
- returns.csv（订单ID, 退货原因, 退货时间）

帮我：
1. 按用户ID和商品ID关联这 5 张表，生成一张宽表
2. 处理好一对多关系（一个用户多个订单）
3. 加上衍生字段：用户总消费、购买次数、平均评分、退货率
4. 导出为 merged_wide_table.csv
5. 输出数据质量报告：关联匹配率、未匹配的记录数