用途：该插件面向希望掌握 Python 数据分析的学习者，以 Pandas 为核心，结合 NumPy 与 Matplotlib，覆盖从数据读取到可视化呈现的完整流程。
主要能力：
- 数据加载与操作：从 CSV、Excel、SQL、API 等来源读取数据，创建 DataFrame 与 Series，使用 loc、iloc、at、iat 索引选择，布尔过滤，增删行列与类型转换。
- 数据清洗与转换：处理缺失值（dropna、fillna、interpolate）、去重、字符串清洗、日期时间解析、类型转换，以及 apply、map、applymap 自定义函数。
- 聚合与分组：GroupBy 聚合（sum、mean、count 等）、多列分组、透视表与交叉表、多级索引、rolling 与 expanding 窗口函数、累积计算。
- 可视化：Matplotlib 基础、Seaborn 统计图、Pandas 内置绘图，包括折线图、柱状图、直方图、箱线图与相关性热力图。
- 性能优化：针对大数据集的处理优化。
使用方式：资料未提供具体安装命令或插件调用方式，仅给出代码示例，如 import pandas as pd、pd.read_csv('sales_data.csv')、df.groupby('department').agg(...) 等。练习项目包括客户分析（RFM 指标与客户分群）、时间序列分析（移动平均、趋势与季节性、异常检测）、数据质量报告（缺失值、重复、异常值、类型校验并导出 HTML 报告）。
适用场景：数据清洗与探索性分析（EDA）、业务指标聚合、销售趋势分析、数据质量评估，以及为机器学习准备数据。
限制：资料未说明收费、价格、平台支持范围或具体运行环境要求；内容以教学与示例为主，实际效果取决于数据与使用方式。后续可延伸学习 Scikit-learn、SQL、Apache Spark、Tableau/Power BI。