用途：编写处理数据的 Python 代码时使用，聚焦 DataFrame 模式（pandas、polars、pyspark）、数据类型处理与校验、内存高效处理、向量化替代循环、方法链式模式，以及数据管道的错误处理。
主要能力与原则：向量化而非循环，使用 DataFrame 操作而不是逐行迭代；在边界尽早校验并拒绝坏数据；关注数据规模并选用合适 dtype；采用不可变式链式转换而非原地修改；预先定义期望列与类型。
必要用法示例（保持原样）： result = ( df .query("status == 'active'") .assign(total=lambda x: x["quantity"] * x["price"]) .groupby("category") .agg({"total": "sum"}) .sort_values("total", ascending=False) )
反模式与修法：iterrows() 慢且破坏向量化，改用向量化操作；df["col"] = df.apply(...) 通常慢于向量化，改用 np.where 或 df.assign；链式索引 df["a"]["b"] 触发 SettingWithCopyWarning，改用 df.loc[:, "a"]；加载整个文件只为检查 schema 浪费内存，可用 nrows=100 或分块；读取时忽略 dtype 导致内存膨胀，应显式指定 dtype=。
限制与边界：本技能不覆盖通用代码结构、测试与命名（交给 code-quality）、SQL 查询模式（交给 data-sql）、编排与 ETL 架构（交给 data-pipelines）。
参考资源：references/vectorization.md、references/memory-optimization.md、assets/pandas-cheatsheet.md。版本 1.0，技术栈为 Python（pandas、polars、pyspark）。