用途：在建模前理解数据集，进行剖析分布、检测异常、识别关系与评估数据质量；适用于新数据集定向、特征工程前、数据质量排查和模型准备。
主要能力：剖析结构（模式、类型、基数、缺失值模式）；分析分布（数值型直方图、箱线图、偏度；类别型频次、稀有类别）；探索关系（数值相关性矩阵、类别交叉表、目标变量关系）；识别问题（离群值、重复、不一致、类别不平衡、时间序列模式）。
工具选择：自动剖析用 ydata-profiling / pandas-profiling 生成综合报告；交互探索用 ipywidgets + plotly；统计检验用 scipy.stats；大数据集用 Polars + lazy 节省内存。
必要用法示例： import polars as pl from ydata_profiling import ProfileReport
df = pl.read_parquet("data.parquet") profile = ProfileReport(df.to_pandas(), title="Data Profile") profile.to_file("profile_report.html")
核心规则：先做自动剖析；关注可操作洞见（记录值得调查的离群值，标记高基数或稀有类别特征，注意可能引起多重共线性的强相关）；用分布图、相关性热图、缺失值模式和目标关系图进行沟通；验证假设（期望范围、业务规则、时间一致性、关键关系是否符合领域知识）。
常见反模式：跳过 EDA 直接建模；把所有离群值当错误；忽略缺失值机制（MCAR/MAR/MNAR）；对大数据集过度绘图而不采样；不记录发现供团队使用。
渐进式披露参考：automated-profiling.md（ydata-profiling、Sweetviz、D-Tale）、visualization-patterns.md（Matplotlib、Seaborn、Plotly 模式）、statistical-tests.md（Scipy 统计检验指南）、large-dataset-eda.md（采样、Polars、Dask 方法）。相关技能：@data-science-feature-engineering、@data-science-model-evaluation、@data-engineering-quality。
限制：资料未提供具体收费、价格、平台要求或效果数据。