用途：对 CSV/Excel 数据集进行数据质量评估，适用于数据验证、ETL 流程和数据集审计。
主要能力：完整性（缺失值分析）、唯一性（重复检测）、有效性（类型校验与约束）、一致性（模式与格式检查）；计算 0-100 的总体质量分（完整性30%、唯一性25%、有效性25%、一致性20%）；生成 HTML/JSON 详细报告与建议；支持自定义校验规则（必填、唯一、正则、类型、范围、枚举值、日期格式）。
用法：Python 中导入 from data_quality_auditor import DataQualityAuditor，使用 load_csv("customers.csv") 或 load_dataframe(df) 加载数据，再调用 audit()、quality_score() 及 check_missing()、check_duplicates()、check_types()、check_uniqueness()、check_patterns()、validate_column()、validate_dataset()、generate_report()、summary() 等方法。命令行示例：python data_quality_auditor.py --input data.csv；加 --report report.html 生成 HTML 报告；--missing、--duplicates、--types 检查单项；--json 输出 JSON；--rules rules.json 按规则校验。
适用场景：入仓前阈值校验（如质量分低于 80 中止）、ETL 关键列校验、生成质量文档。
限制：资料未提供价格、平台支持、性能指标或安装命令等细节；依赖 pandas>=2.0.0、numpy>=1.24.0。具体字段含义以实际返回结构为准。