用途：对原始数据进行清洗、预处理、规范化/缩放、宽长格式重塑、过滤子集、多表合并、类型转换与特征工程，本地在智能体沙箱中执行，兼容 GPT、Gemini、Claude、DeepSeek、Qwen 等所有 LLM 提供方。
主要能力：数据清洗（去重、缺失值查看与删除/中位数众数填充/前向填充/插值、按 IQR 去除离群值）；规范化与缩放（StandardScaler、MinMaxScaler、RobustScaler、log1p）；重塑（melt、pivot、pivot_table）；过滤与子集（条件、isin、字符串前缀、列选择、随机抽样、nlargest/nsmallest）；合并连接（inner/left/outer、多列与不同列名连接、concat 纵向与横向）；缺失值汇总；特征工程（分箱、比率、交互、日期特征、one-hot、标签编码、多项式、滞后特征）；分组聚合（aggs、自定义函数、变异系数）；数据类型转换；以及 AnnData 转 DataFrame、基因表达矩阵转置与 CPM 归一化、差异表达结果加工、多文件批量合并等用例。
使用方式：按资料所示导入 pandas、numpy 及 sklearn 预处理器，使用 pd.read_csv 读取数据，依次执行清洗、缩放、重塑、合并等步骤，最后用 to_csv 导出。常见坑：DataFrame 用 .dtypes（复数），单列 Series 用 .dtype（单数），DataFrame 无 .dtype。
适用场景：表格数据的清洗与特征准备、生信表达矩阵处理、多文件批量整理、差异表达结果后处理。
限制：数据在内存中处理，超大数据需分块；作者建议先 head/info/describe 检查、改动前 copy、尽量向量化。安装方式、具体版本要求、收费与价格信息暂未提供。