用途：YData Profiling（原 pandas-profiling）用于自动生成数据质量报告，帮助快速了解数据集。适用场景包括数据质量评估、初次数据探索、缺失值分析、变量分布与特征分析、数据文档化、训练集与测试集或前后版本对比、面向相关方的报告输出，以及机器学习训练前的数据校验。
主要能力：变量分析与类型检测；缺失值分析；相关性计算（Pearson、Spearman、Kendall、Phi-K）；大数据集处理（minimal 模式、抽样）；数据集对比报告；HTML 报告定制；时间序列剖析；可与 Streamlit、Polars 集成。
安装：pip install ydata-profiling；含全部可选依赖：pip install 'ydata-profiling[all]'；使用 uv：uv pip install ydata-profiling pandas numpy；Jupyter 支持：pip install ydata-profiling ipywidgets notebook。验证：python -c "from ydata_profiling import ProfileReport; print('YData Profiling ready!')"。
基本用法：从 ydata_profiling 导入 ProfileReport，传入 pandas DataFrame 生成报告；对比可用 compare。
限制：不适合实时或流式数据剖析、高度定制的可视化、交互式仪表盘（可改用 Streamlit 或 Dash）、超过 1000 万行的超大数据集（需抽样或 minimal 模式），以及需要轻量校验的生产流水线（可考虑 Great Expectations）。
资源：官方文档 https://docs.profiling.ydata.ai/ ；GitHub https://github.com/ydataai/ydata-profiling ；PyPI https://pypi.org/project/ydata-profiling/ ；从 pandas-profiling 迁移指南 https://docs.profiling.ydata.ai/latest/migration/ 。