用途：面向 CSV 数据集的数据分析技能，将缺失值处理与交互式可视化整合为端到端探索性分析流程。
主要能力：一是缺失值分析，检测各列缺失值、识别数据类型并给出推荐填补策略；二是智能填补，按列分布选择均值、中位数、众数、KNN、前向填充、插值或常数等；三是交互式仪表板，自动生成摘要统计、时序、分布直方图、相关性热力图、类别柱状图与散点矩阵。
使用方式：先安装依赖 pip install -r requirements.txt；分析缺失值使用 python3 scripts/analyze_missing_values.py <input_file.csv> <output_analysis.json>；填补使用 python3 scripts/impute_missing_values.py <input_file.csv> <analysis.json> <output_imputed.csv>；生成仪表板使用 python3 scripts/create_dashboard.py <imputed_file.csv> <output_dir> <port>，如 python3 scripts/create_dashboard.py data_imputed.csv ./visualizations 8050，浏览器访问 http://127.0.0.1:8050。
适用场景：适合需要快速评估数据质量、清洗含缺失值数据并进行交互式探索分析的用户。
限制：缺失率超 70% 的列会被丢弃，关键 ID 缺失的行会被删除；小于 50 行时建议简单填补、避免 KNN；KNN 对大于 5 万行数据较慢；混用类型列需先清洗。其他收费与平台信息暂未提供。