用途：为数据集提供全面画像、质量评估与自动 EDA 报告流水线，适用于快速把握新数据集全貌、计算数据质量分、生成 ydata-profiling 自动 EDA 报告、用 Great Expectations 定义验证规则、自动生成数据目录，以及一次性诊断相关性、异常值与缺失。
主要能力：提供 ydata-profiling 自动 EDA（含 Pearson/Spearman/Kendall 相关与缺失图，输出 HTML 报告及行列数、缺失率、重复数摘要）；数据质量评分（完整性、唯一性、一致性、适时性、有效性五维加权 0-100 分）；Great Expectations 风格验证（列存在、非空、取值范围、唯一、集合、行数范围，并可自动生成规则）；管道可与 eda-correlation、missing-data-analysis、anomaly-detection 衔接，输出 profile_report.html、quality_score.json、validation_results.csv；联动 ToolUniverse 的 bio.tools 检索分析工具。
使用方式：导入 pandas/numpy，调用 auto_profile_report(df, ...) 生成报告；调用 data_quality_score(df, rules) 得评分；调用 great_expectations_validate(df, expectations) 做验证。必要命令保持原样。
限制：资料未提供安装命令、收费与价格信息；适时性维度在代码中为占位值；部分异常返回 success=None。分类归入数据分析。