用途：在建模或报告前对表格数据集做结构化探索性数据分析（EDA），揭示数据实际内容与假设之间的差异。
主要能力：加载并检查数据结构（行列数、列名、类型、内存占用，显示首尾各 5 行）；评估数据质量（各列空值绝对数与百分比、零方差列、高基数分类列、混合类型列、重复行）；分析单变量分布（数值列的均值、中位数、标准差、偏度、峰度及直方图/KDE，分类列前 10 类计数与占比，标记高度不平衡）；探索变量关系（数值列相关矩阵与热力图，分类对数值用分组箱线图/小提琴图，分类对分类用列联表/马赛克图，突出 |相关系数|>0.7 的配对）；检测异常值（对每个数值列用 IQR 法，报告数量与占比，用箱线图可视化，并跨列交叉比对）；汇总为 EDA 报告（数据概览、质量问题、分布特征、显著相关、异常汇总、下一步建议）。
支持技术：pandas 用于加载与剖析；matplotlib/seaborn 用于分布与相关性可视化；ydata-profiling（原 pandas-profiling）用于自动生成 EDA 报告；scipy.stats 用于分布分析的统计检验。
使用方式：向代理提供数据集文件路径，可选指定关注的目标列、分类变量最多显示类别数、是否生成自动化 HTML 报告。代理返回可视化输出与文字总结。
适用场景：任何表格数据在特征工程或建模前的初步探查，尤其适合需要快速了解数据质量、分布与相关性的场景。
限制与注意事项：资料未提供具体安装命令、收费或平台信息。建议在特征工程与建模前运行 EDA；不要只读汇总统计而忽略可视化（双峰与正态分布可能均值方差相同）；检查数据泄漏（与目标近乎完美相关的特征可能含未来信息）；关注分布尾部；以可共享格式记录发现；重大清洗后重跑 EDA。边界情况：数百列时跳过逐列可视化，改用 ydata-profiling 自动剖析并仅展示最相关配对；目标高度不平衡时明确标记并建议分层采样或重平衡；全空或零方差列自动丢弃并记录；实际为数值的字符串列（>90% 可解析为数字）建议先做类型转换；含多地区记录时标记无时区信息的日期时间列，避免静默聚合错误。