用途：面向高能物理（HEP）数据分析，覆盖从ROOT文件读取、事件重建与选择，到直方图拟合、统计假设检验与发现显著性评估，以及蒙特卡洛模拟流程和HEPData结果访问。
主要能力：
- 数据格式与访问：支持ROOT(.root)、NanoAOD、DAOD_PHYS、HepMC、HEPData(YAML/JSON)，工具含ROOT、uproot、coffea、pyhepmc、hepdata_lib。
- 读取ROOT文件：用uproot将NanoAOD加载为awkward数组，示例函数load_nanoaod(filepath, tree_name="Events", branches=None)会打印事件数与字段，并按branches读取缪子分支。
- 事件选择与重建：计算不变质量compute_invariant_mass(pt1,eta1,phi1,mass1,pt2,eta2,phi2,mass2)；select_z_candidates对NanoAOD做质量切割（Muon_pt>20、|Muon_eta|<2.4、Muon_tightId、Muon_pfRelIso04_all<0.15）、恰两个缪子、异号电荷，输出不变质量。
- 统计推断：pyhf构建计数实验模型（build_counting_model），用pyhf.infer.hypotest与test_stat="qtilde"计算CLs排除限（compute_cls）；discovery_significance用泊松与带系统误差的近似公式给出z显著度、p值，并判断3σ证据、5σ发现。
- 直方图拟合：fit_breit_wigner_plus_bg用Breit-Wigner加线性本底拟合质量谱，返回M_Z、Gamma_Z、信号数与chi2/ndf。
- 蒙特卡洛流程：矩阵元（MadGraph、Sherpa、POWHEG）、部分子簇射（Pythia、Herwig）、强子化、探测器模拟（Geant4/CMSSW/Athena或Delphes）、重建。
使用方式：通过Python环境安装并调用上述库；示例代码直接按函数签名传入数据路径、分支或数值即可。
适用场景：高能物理数据分析、共振态质量测量、Z→μμ候选选择、排除限与发现显著性计算、蒙特卡洛模拟链路搭建。
限制：资料未提供具体安装命令、版本要求、性能基准、收费或平台信息；示例参数与切割值仅为示例，需按实际分析调整。