用途：该技能面向 CSV 文件的数据分析任务，加载后以数据分析专家身份按固定流程处理数据，适合探索性分析、统计汇总与图表展示。
主要能力：用 pandas 读取 CSV；检查形状、列名、数据类型、缺失值与描述性统计；处理缺失值、重复值与异常值；执行分组聚合、相关性与趋势分析；用 matplotlib、seaborn 绘制柱状图、折线图、饼图、直方图、散点图、相关热力图及多子图仪表板；用 Plotly 生成可交互 HTML 图表。
使用方式：按工作流依次加载、探索、清洗、分析、可视化与汇报。加载示例：import pandas as pd; df = pd.read_csv('/uploads/filename.csv')。缺失值检查：print(df.isnull().sum())。分组聚合示例：df.groupby('category').agg({'value': ['mean','sum','count']})。图表需保存到 /workspace/ 目录以便在应用中查看，例如 plt.savefig('/workspace/bar_chart.png', dpi=150, bbox_inches='tight')；交互图表用 fig.write_html('/workspace/interactive_bar.html')。
适用场景：包含结构化表格数据的分析、汇总统计、趋势与分布观察，以及需要输出静态或交互图表的汇报场景。
限制与注意事项：资料主要针对 CSV 文件，未提供其他数据源支持说明；未说明收费、平台支持或性能指标。技能建议始终用 df.head() 验证数据、操作前检查数据类型、处理空数据等边界情况，并为变量使用描述性命名、打印中间结果。未提供具体安装方式、依赖版本或运行环境要求。