该技能是一套基于 Python 的数据分析与可视化流程，主题为折线图可视化。整体分为四步：数据加载与预处理、数据清洗与特征工程、聚类分析与交叉统计、多维度可视化与结果输出。
用途上，它针对结构化表格数据（如 Excel），在数据量较大时先转换为 Parquet 以提升读取效率，并支持动态识别表头、合并单元格还原（ffill）。清洗阶段通过正则表达式提取数值、处理缺失值，并可对数值按阈值做分级映射、计算综合评价得分。
分析阶段使用 StandardScaler 对数值特征标准化，并以 KMeans 聚类识别潜在数据群组，结合 value_counts、crosstab/pivot 做分类频次、占比及聚类与等级的交叉分析。可视化阶段用 matplotlib、seaborn 绘制 2×2 综合图表，包含多指标趋势对比折线图、数值分布直方图、分类占比饼图与聚类分组散点图，最终保存 output_chart.png 与 output_table.xlsx。
使用方式为在其环境中运行给定 Python 脚本，需依赖 pandas、numpy、matplotlib、seaborn、scikit-learn 以及 pyarrow。脚本中的列名、阈值（如 100、50、10）和聚类数（n_clusters=3）均为占位示例，实际使用需按真实数据结构替换。
限制方面，图表中的中文显示依赖 SimHei/WenQuanYi Zen Hei 等字体；大文件转换、动态表头识别与聚类效果均取决于输入数据质量，评分与分级算法仅为骨架示例，需结合业务重新定义。官方介绍未提供平台、收费与调用方式等信息，暂未提供。