Sheetsmith

概述

Sheetsmith 是一个轻量级的 pandas 封装工具，专注于 CSV/Excel 文件的处理：预览、描述、筛选、转换与格式互转，全部操作均可在统一界面完成。其命令行接口（CLI）位于 skills/sheetsmith/scripts/sheetsmith.py，可自动加载任意 CSV/TSV/Excel 文件，报告结构化元数据，执行 pandas 表达式，并安全地将结果写回文件。

快速开始

1. 将电子表格（CSV、TSV 或 XLS/XLSX）放入 workspace 目录中，或通过完整路径引用该文件。
2. 运行 python3 skills/sheetsmith/scripts/sheetsmith.py ，其中 为下文所述的子命令。
3. 修改数据时，可通过 --output new-file 保存副本，或使用 --inplace 直接覆写源文件。
4. 更多示例命令与使用技巧，请参阅 references/usage.md。

命令

summary

输出行数/列数统计、数据类型（dtype）分布、含缺失值的列名，以及首尾若干行的预览。使用 --rows 控制摘要后显示的行数；添加 --tail 可预览末尾行而非默认的开头行。

describe

执行 pandas.DataFrame.describe(include='all')（可通过 --include 自定义参数），即时获取数值型统计信息、基数（cardinality）及频次分布。通过 --percentiles 可额外指定需输出的百分位数。

preview

以表格形式快速展示前若干行（由 --rows 指定）或后若干行（由 --tail 指定），便于在执行其他操作前验证列顺序或格式是否正确。

filter

通过 --query 参数传入 pandas 查询字符串（例如：state == 'CA' and population > 1e6）。该命令默认打印筛选后的行；若同时指定 --output，则将筛选结果写入新的 CSV/TSV/XLSX 文件。添加 --sample 可随机抽样检查结果子集，而非遍历全部匹配行。

transform

支持新建列、重命名或删除现有列，并立即查看变换后的表格效果。通过一个或多个 --expr 参数提供表达式（如：total = quantity * price）；使用 --rename old:new 重命名列，--drop column 删除列；最终通过 --output 或 --inplace 持久化变更。不带写入操作的预览模式（即仅查看）同样支持 --rows/--tail 标志，行为与其他命令一致。

convert

在受支持的格式间相互转换（CSV / TSV / Excel）。必须通过 --output 明确指定目标文件路径及其扩展名，工具将自动识别对应写入器（Excel 使用 openpyxl；CSV 默认保留逗号分隔符；TSV 使用制表符分隔）。这是在执行其他命令前对数据进行标准化的最简方式。

工作流规范

• 始终保留原始文件副本，或写入新路径；脚本仅在显式指定 --inplace 时才会覆写原始文件。
• 统一使用同一 CLI 完成探索性操作（summary、preview、describe）与编辑类操作（filter、transform）。所有 filter/transform 命令均支持 --output，便于轻松分支生成不同结果。
• 底层依赖 pandas + tabulate 实现 Markdown 格式预览，并原生支持 Excel/CSV/TSV；请确保相关依赖已就绪（本系统中，pandas、openpyxl、xlrd、tabulate 均通过 apt 安装）。
• 当上述基础命令说明不足以满足需求时，请查阅 references/usage.md 获取进阶示例（如多步骤清洗流程、数据集对比方法、表达式编写技巧等）。

参考资料

• 使用指南： references/usage.md（含可直接复制使用的命令、常用表达式模式及数据集清洗方案）。

资源

• GitHub： https://github.com/CrimsonDevil333333/sheetsmith
• ClawHub： https://www.clawhub.ai/skills/sheetsmith