用途：为数据分析场景提供创建多单元格 Jupyter Notebook 的专家知识，强调统计严谨性、异常值处理与出版级图表，适合大型数据集、多来源合并与数据更新/富集类 Notebook。
主要能力：
- 统计方法：相关性分析使用 scipy.stats.pearsonr 报告 r、p 值与 n；组间比较用 Mann-Whitney U 检验；异常值分两阶段处理（IQR 计数型先移除，百分位值型仅用于可视化）；最终定稿前需核对所有统计声明与实际计算值。
- 可视化：300 DPI 出版、150 DPI 数字查看；标题 18pt 粗体、轴标签 16pt 粗体、刻度 14pt、图例 12pt；使用色盲友好配色（如蓝 #0173B2 与橙 #DE8F05）；样本量比超过 5 倍时添加显著警告。
- 图像尺寸限制：分享给 Claude 的图像任一边不得超过 8000 像素，示例中 MAX_CLAUDE_DIM = 7999，并提供 save_figure 辅助函数自动缩放。
- Notebook 编辑：修改 .ipynb 必须使用 NotebookEdit 工具，禁止用 Edit 工具；支持 replace、insert、delete 三种模式，插入时须指定 cell_type，编辑后提示用户“Restart & Run All”。
- 组织与分享：60+ 单元格用 markdown 分节；5+ 图表的分析可用代码 Notebook 与展示 Notebook 双轨；分享包保留输出、使用相对路径，HTML 导出最便于分享。
使用方式：在 Notebook 顶部集中配置（如 ENABLE_AWS_FETCH = False、TEST_MODE = True），用复合键保证合并唯一性，冲突解决可配置 NEW/OLD 优先级，列添加保持幂等，采用输入文件到独立输出文件的两阶段流程。重复分析可用模板字符串与 safe_float_convert 等辅助函数。
限制与注意：避免变量遮蔽（勿用 data 作循环变量）；处理前打印 df.columns.tolist() 核对列名；Notebook 超过 256 KB 时用 jq 处理；跨单元格修改指标需按依赖顺序更新。资料未提供具体收费、平台支持范围与效果保证。