用途：该技能面向 MATLAB 中的表格数据分析任务，为 table、timetable、数值数组、传感器矩阵和网格数据生成地道的 MATLAB 代码，覆盖数据探索、清洗、变换、分组聚合、平滑与趋势检测，以及回答关于数据的具体问题。
主要能力：包括用 summary、head、groupcounts、corrcoef 等了解数据结构与分布；用 datetime、string、categorical 等现代类型替代旧类型；用 table/timetable 组织数据并做重采样、对齐、同步；用 eventtable 标注事件；用 ismissing、standardizeMissing、fillmissing、isoutlier 处理缺失与异常；用 sortrows、topkrows、rowfun、varfun、pivot、join 等做变换；用 groupsummary、groupfilter、grouptransform 做分组聚合；用 smoothdata、detrend、trenddecomp、islocalmax 等做平滑与模式检测；用 smoothdata2、fillmissing2、paddata、trimdata 等处理二维网格与数组。
使用方式：先读取相关主题的参考文件再写代码，并在回复顶部列出已读参考文件。优先使用推荐的新式函数（如 groupsummary、datetime、fillmissing、smoothdata2），而非旧式替代（如 accumarray、nanmean、datenum），除非用户明确要求。部分函数有版本要求，例如 paddata、trimdata、resize、smoothdata2、kde 需 R2023b，clip、islocalmax2、islocalmin2 需 R2024a，summary 增强、isapprox、isbetween 需 R2024b，numunique、allbetween、allunique 需 R2025a。
适用场景：表格数据的探索、清洗、变换与聚合；时间序列重采样、同步、趋势检测与平滑；基于表格数据的问答（Top-N、筛选、分组比较）；缺失值、异常值、类型转换与归一化处理。
限制：不适用于无数据上下文的任务；以可视化为主要目标时应改用 matlab-build-chart；纯符号数学、仿真或应用构建不适用；文件读写应改用 matlab-import-export-data；数据超出内存或需外存处理应改用 matlab-choose-big-data-solution；凭据存储应改用 matlab-secure-credentials；关系数据库应改用 matlab-use-database 或 matlab-use-duckdb；从标注信号文件构建 ML 训练流程应改用 matlab-prepare-signal-data；表格数据分类器训练或模型比较应改用 matlab-classify-tabular-data；特征工程应改用 matlab-engineer-tabular-features；代码迁移或替换弃用 API 应改用 matlab-modernize-code。