用途：在沙箱环境中完成复杂数值计算与统计分析，借助 pandas 与 scikit-learn 处理回归、聚合等任务。
主要能力：编写 Python 脚本完成表的连接、过滤与聚合；计算统计量（均值、中位数、标准差、相关性）；构建或评估机器学习模型；在适用时运行卡方检验、t 检验等统计检验。
使用方式：在沙箱中通过 python3 script.py 执行脚本。若代码失败，读取 traceback 并修复。结果以 JSON 形式打印，便于下游技能消费。示例输出为分段列表，如 churn_rate、avg_tenure 等字段。
注意事项：分类列建议使用 select_dtypes(include=["object", "str"])，以避免 pandas 4 弃用警告；导入前用 pip install -q <package> 安装缺失依赖。
限制：资料未提供具体运行环境、超时、资源上限、支持的数据规模或版本要求等信息。