用途：在联邦学习场景下跨多个站点计算数据统计摘要。表格数据（CSV、parquet 等 pandas 可表示形式）支持 count、sum、mean、stddev、var、histogram、quantile 以及经噪声保护的 min/max；注意 variance 与 stddev 是两个不同统计量，不可互相替代。图像数据（PNG/JPEG/BMP/TIFF 文件夹，DICOM/NIfTI 需匹配的 loader）支持 count、failure_count 与像素强度直方图。两条路径均通过 FedStatsRecipe 生成并做模拟器验证与完整性检查。
使用方式：先确定性检查数据，运行 nvflare agent inspect data <path> --format json，以其 dataset 块为依据；随后安装所需依赖（表格需 pandas，图像需 Pillow 或格式 loader，分位数还需 fastdigest），自动选择统计量并报告映射，生成 client.py 与 job.py（runner 使用 from nvflare.recipe import SimEnv; from nvflare.recipe.fedstats import FedStatsRecipe），按梯度验证（编译、recipe 构造、一次模拟运行、输出完整性）。默认保留隐私过滤：min_count=10、noise 0.1–0.3、max_bins_percent=10，直方图默认 20 箱。
限制：不做模型训练转换、故障诊断或非联邦语境的数据科学任务；分层统计、生产部署、Kubernetes、POC 生命周期与超出 recipe 内置开关的隐私策略设计均不在范围内。不支持分类计数、相关性、自定义聚合等统计量，会明确报告为不支持而非静默丢弃。仅输出聚合结果，不暴露原始行或单元格值。特征名必须来自表头或用户提供，否则失败关闭。