用途：该技能面向 Python 数据工程任务，涵盖 pandas、polars、DuckDB、numpy、ETL 管道、表格数据接入，以及将 notebook 逻辑抽取为可测试模块。资料建议同时加载 standards-for-python-development（共享规则）、python3-typing（边界 schema）与 python3-testing（解析器与边界用例测试）。
主要能力与规范：提供质量清单，要求在首个稳定入口点做 schema 校验而非在转换深处；pd.read_csv()/pd.read_excel() 必须显式指定 dtype=，不依赖类型推断；原始 pd.DataFrame 不得在未记录列契约的情况下跨模块边界；merge/join 后需检查意外空值与行数变化；所有 Pydantic 边界模型设置 model_config = {"strict": True}；禁止 inplace=True；使用 3 次以上的 notebook 逻辑应抽取为经测试的模块。
常见陷阱与替代做法：链式索引 df["a"]["b"] = x 会静默失败，应改用 df.loc[:, "b"] = x；大表避免 .apply(lambda)，优先向量化；pd.merge() 后需断言无意外空值或重复键；df.drop(..., inplace=True) 已弃用且返回 None，应改为 df = df.drop(...)；裸 pd.read_csv(path) 应始终传 dtype=。
选型决策：小于 100 万行表格用 pandas，不用 Polars（开销不划算）；超过 100 万行或需要速度用 Polars；对本地文件做类 SQL 分析用 DuckDB，而非全部载入 pandas；只读 TOML 配置用标准库 tomllib（二进制模式 "rb"），不用 tomlkit；需保留注释读写 TOML 用 tomlkit（文本模式）。
模块布局建议：etl/ 下分 ingest.py（原始数据加载，边界）、validate.py（schema 校验，边界）、transform.py（业务逻辑，类型化核心）、load.py（输出写入，边界）、types.py（共享类型模型）。
限制：资料未提供具体安装命令、版本要求、收费信息或平台支持范围，暂未提供。