核心用法
该 skill 是面向数据分析师、产品经理和运营的 Python 数据分析助手，核心功能覆盖数据全生命周期：
1. 数据接入与预览：提供 CSV/Excel/JSON/数据库/API 等多源数据读取模板，以及 shape、info、describe 等快速数据探查方法。
2. 数据清洗：系统化处理缺失值（删除/均值/众数填充）、重复值去重、数据类型转换、IQR 法异常值剔除及字符串标准化。
3. 统计分析：支持描述统计（均值/中位数/标准差/偏度/峰度）、相关矩阵、分组聚合（groupby/agg）、交叉表等标准分析范式。
4. 时间序列分析：包含日期解析、重采样（日/周/月）、滚动窗口统计、差分与百分比变化、季节分解等时序专用工具。
5. 可视化生成：基于 matplotlib/seaborn 提供折线图、柱状图、散点图、箱线图、热力图、小提琴图、配对图等代码模板，含中文显示配置。
6. 自动化报告：内置可复用的报告生成函数模板，自动输出数据概览、关键指标、分布特征、Top 排名及业务建议。
显著优点
- 模板即最佳实践：所有代码片段均遵循 pandas/pythonic 规范，可直接生产使用
- 场景覆盖全面：从原始数据到可视化报告，形成完整闭环
- 中文环境预配置：解决 matplotlib 中文乱码痛点
- 业务导向设计：报告模板融入销售额、转化率等商业指标
局限性与风险
- 执行依赖本地 Python 环境：需预先安装 pandas/numpy/matplotlib/seaborn/statsmodels
- 大数据集内存瓶颈：未提供分块读取（chunksize）或 Dask 分布式方案
- 统计深度有限：缺少假设检验、回归建模、机器学习等进阶分析
- 安全空白：安全认证报告显示"未执行安全扫描"，代码注入风险未评估
适合人群
初级至中级数据分析师、需快速产出数据洞察的产品与运营人员、Python 数据分析学习者。
常规风险
- 直接执行未经验证的代码可能覆盖原始数据
- 自动填充策略（如均值填充）可能扭曲数据分布
- 异常值剔除标准（1.5×IQR）需结合业务判断