ipynb-mcp

连接本地 JupyterLab 后，读取 sales.csv，检查缺失值与异常值，完成清洗并生成按月份汇总的可视化图表，最后把关键结论写入同一个 notebook。

一个已执行的 notebook，包含数据清洗代码、统计结果、图表和结论说明。

打开当前 JupyterLab 里的 analysis.ipynb，运行所有单元，定位报错原因，修复代码后重新执行，并在出错单元下方补充简短说明。

修复后的 notebook 可正常运行，并附带错误原因与修改说明。

基于 data 文件夹中的数据集，新建一个 Jupyter notebook，完成字段概览、分布分析、相关性检查和初步洞察总结，并保持代码结构清晰。

一个结构完整的 EDA notebook，含可运行代码、图表和初步业务洞察。