用途：该技能面向科学计算与统计分析，使用 SciPy、NumPy 和 pandas 完成统计检验、优化求解、信号处理、数值积分与数据处理。
主要能力：统计假设检验包含 Welch 双样本 t 检验、配对 t 检验、单因素方差分析、卡方独立性检验、Mann-Whitney U 非参数检验，以及 Pearson、Spearman、Kendall 相关和 Shapiro-Wilk、KS 正态性检验。pandas 侧支持 describe 汇总、groupby 聚合与 pivot_table 透视。NumPy 侧支持特征值分解、线性方程组求解、均值、样本标准差与百分位数。优化包含 minimize、curve_fit、brentq、fsolve。信号处理包含 Butterworth 滤波、filtfilt、Welch 功率谱与 find_peaks。数值积分与常微分方程包含 quad、dblquad、solve_ivp。数据清洗包含缺失值处理与基于 IQR 的异常值剔除。
使用方式：在 Python 环境中导入对应库，按上述函数调用即可，例如 from scipy import stats 后进行 ttest_ind 等检验。
适用场景与限制：适用于需要统计推断、数值优化或信号分析的科研与数据分析场景。资料未提供该技能的安装方式、平台要求、收费信息与技能封装调用细节；使用前需自行确认依赖环境。