用途：该技能为智能体提供结构化的科学数据分析流程，覆盖数据摄取与校验、清洗（缺失值、异常值、类型）、探索性分析、分布评估、统计检验与出版级可视化，强调每一步可复现。
主要能力：使用 pandas、numpy、scipy 做统计分析与假设检验；在检验前检查正态性与方差齐性，参数检验（t 检验、ANOVA）不满足假设时自动改用非参数检验（Mann-Whitney、Kruskal-Wallis）；报告效应量（Cohen's d、eta-squared）与置信区间；用 matplotlib、seaborn 生成静态出版图，用 plotly 做交互式探索图。
使用方式：资料给出示例实现，包括 analysis_pipeline 读取 CSV 并输出形状、缺失、类型与正态性报告；compare_groups 按分组做检验并返回检验名、统计量、p 值与效应量；publication_figure 生成单栏期刊宽度图并保存。示例命令与代码保持原样，未提供安装命令。
适用场景：实验或观察数据的统计分析、数据集清洗与转换、出版级图表制作、带假设检查的假设检验、新数据集探索性分析、可复现分析流水线。
限制：资料未提供具体安装方式、收费与价格、性能指标或平台以外的运行要求；平台兼容性中 aider 仅支持代码生成，其余平台标注为完整支持。相关技能包括 Machine Learning、Scientific Writing、Research Methodology、Knowledge Base RAG。