用途：对表格数据执行探索性数据分析，发现数据中的模式、异常和变量间关系，适用于数据文件探索、统计摘要生成、数据质量检查等场景。
主要能力：支持 CSV、Excel（.xlsx、.xls）、JSON、Parquet、TSV、Feather、HDF5、Pickle 等格式。统计脚本可输出数据集形状、类型、内存占用、缺失数据模式与比例、数值与分类摘要统计、基于 IQR 和 Z-score 的异常值检测、分布分析与正态性检验、Pearson 与 Spearman 相关矩阵、数据质量指标（完整性、重复项）以及自动洞察。可视化脚本生成 300 DPI 的 PNG 图，包括缺失数据热力图与柱状图、带 KDE 的直方图、箱线图与小提琴图、相关热力图、散点矩阵、分类柱状图，检测到日期时间列时还会生成时间序列图。
使用方式：先运行 python scripts/eda_analyzer.py <data_file> -o <output_dir> 做统计分析，再运行 python scripts/visualizer.py <data_file> -o <output_dir> 生成图表，然后读取 <output_dir>/eda_analysis.json 中的结果，按 assets/report_template.md 的结构撰写报告并呈现关键洞察与可视化。参考材料包括 references/statistical_tests_guide.md（统计检验解读）和 references/eda_best_practices.md（EDA 流程与最佳实践）。
适用场景与限制：数据量小于 100 行时需注意样本量限制并使用非参数方法；100 至 100 万行适用标准流程；超过 100 万行建议先抽样探索，完整分析推荐分布式计算。高维数据（超过 50 列）建议先聚焦关键变量。不支持格式需先转换；文件过大建议抽样或分块处理；数据损坏需报告错误并尝试部分分析。具体收费、平台与效果资料暂未提供。