用途：用于在解析前对 CSV/DataFrame 数据进行清洗与转换，覆盖缺失值、异常值、类别编码、缩放和变换等标准步骤，并以可追溯、可复现的方式实现。适用于需要选择缺失值填补策略、对类别变量编码、对数值数据缩放归一化或检测处理异常值的场景。
主要能力：提供数据质量报告（dtype、唯一值、缺失率、零值、均值/标准差/偏度/峰度）；缺失值处理支持 dropna、中位数/均值填补、SimpleImputer(most_frequent)、KNNImputer(n_neighbors=5) 及 IterativeImputer(MICE，实验性)；异常值检测支持 IQR、Z-score、MAD 三种方法，处理动作有 clip、remove、nan；编码支持 LabelEncoder、OrdinalEncoder、pd.get_dummies、TargetEncoder；缩放支持 StandardScaler、MinMaxScaler、RobustScaler、Pareto Scaling、log2(x+1)、Box-Cox。
使用方式：以函数形式提供模板，包括 data_quality_report、handle_missing_values、detect_outliers、handle_outliers、encode_categorical、scale_features，以及可配置的预处理管道 preprocessing_pipeline，config 可指定 drop_duplicates、missing_strategy、outlier_method、outlier_action、encoding_method、scaling_method。
限制：IterativeImputer 属 scikit-learn 实验性功能。资料未提供安装命令、收费、价格与具体平台信息。