数据分析师（免费版）

概述

快速进行基础数据清洗、统计分析和可视化，适合数据分析师、产品经理、运营人员的日常数据处理需求。

核心能力

数据读取

import pandas as pd

df = pd.read_csv('data.csv')
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

升级提示：JSON、SQLite数据库、API接口数据读取为付费版专享功能。

输入: 用户提供数据读取所需的指令和必要参数。 处理: 按照skill规范执行数据读取操作,遵循单一意图原则。 输出: 返回数据读取的执行结果,包含操作状态和输出数据。

数据预览

print(df.shape)        # 行列数，如 (1542, 7)
print(df.columns)      # 列名列表
print(df.dtypes)       # 数据类型
print(df.head())       # 前 5 行
print(df.describe())   # 数值列统计

输入: 用户提供数据预览所需的指令和必要参数。 处理: 按照skill规范执行数据预览操作,遵循单一意图原则。 输出: 返回数据预览的执行结果,包含操作状态和输出数据。

• 执行数据预览操作,处理输入数据并返回结果
• 验证执行结果,确认输出符合预期格式
• 异常时参考错误处理章节进行恢复
• 关键参数: 数据预览 选项

数据清洗

缺失值处理：

df.isnull().sum()                    # 统计缺失
df.dropna()                          # 删除缺失行
df.fillna(0)                         # 填充 0
df.fillna(df.mean())                 # 填充均值

去重处理：

df.duplicated().sum()                # 统计重复
df.drop_duplicates()                 # 删除重复

类型转换：

df['date'] = pd.to_datetime(df['date'])
df['price'] = df['price'].astype(float)

升级提示：IQR异常值剔除（Q1 - 1.5*IQR 至 Q3 + 1.5*IQR）、字符串处理（strip/lower/replace）为付费版专享功能。

输入: 用户提供数据清洗所需的指令和必要参数。 输出: 返回数据清洗的执行结果,包含操作状态和输出数据。

描述统计

df['col'].mean()      # 均值
df['col'].median()    # 中位数
df['col'].std()       # 标准差
df['col'].quantile([0.25, 0.5, 0.75])  # 分位数

升级提示：偏度（skew）、峰度（kurt）、相关矩阵（corr）、分组聚合（groupby.agg）、交叉表（crosstab）为付费版专享功能。

输入: 用户提供描述统计所需的指令和必要参数。 处理: 按照skill规范执行描述统计操作,遵循单一意图原则。 输出: 返回描述统计的执行结果,包含操作状态和输出数据。

基础可视化

中文字体配置（必须先执行）：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

升级提示：箱线图（sns.boxplot）、热力图（sns.heatmap）、小提琴图、成对关系图、多轴趋势图为付费版专享功能。时间序列分析（resample、rolling、seasonal_decompose）为付费版专享功能。分析报告自动生成为付费版专享功能。

能力覆盖范围

本skill还覆盖以下能力场景: 基础数据清洗、描述统计与基础可、视化代码生成、数据分析师免费版、提供基础的数据清、洗与统计分析能力、核心能力包括、tail、缺失值填充、高级功能、高级图表、分析报告生成。这些能力在上述核心功能中均有对应处理逻辑。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

export API_KEY="your_api_key_here"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统。

使用流程

1. 读取数据：使用 pd.read_csv() 或 pd.read_excel() 加载数据
2. 预览检查：执行 df.shape、df.dtypes、df.describe() 了解数据全貌
3. 数据清洗：处理缺失值（fillna）、去重（drop_duplicates）、类型转换（astype）
4. 统计分析：计算均值、中位数、标准差等描述统计量
5. 可视化：配置SimHei字体后生成基础图表代码

结果处理: 执行完成后,查看输出结果确认操作状态。成功时输出包含处理摘要和结果数据;失败时根据错误信息排查问题,参考错误处理章节获取恢复步骤。

示例

示例1：CSV数据清洗与统计

输入: 分析这个 CSV 文件：sales.csv

处理:
- df = pd.read_csv('sales.csv')
- 缺失值: df['sales'].fillna(df['sales'].mean())
- 统计: 均值¥45,230, 中位数¥38,500, 标准差¥12,400

输出: 1542 行数据，销售额均值¥45,230

示例2：生成折线图代码

输入: 为这些数据生成折线图代码

输出:
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['value'])
plt.title('趋势图')
plt.xlabel('日期')
plt.ylabel('数值')
plt.show()

错误处理

常见问题

Q1: 图表中中文显示为方框怎么解决？

A: 在绘图前配置字体：plt.rcParams['font.sans-serif'] = ['SimHei']（Windows），同时设置 plt.rcParams['axes.unicode_minus'] = False。

Q2: 如何处理异常值？

A: IQR异常值剔除方法为付费版专享功能。免费版可使用 df.describe() 查看最大最小值，手动过滤极端值。

Q3: 如何做时间序列分析？

A: 时间序列分析（resample、rolling、seasonal_decompose）为付费版专享功能。免费版可手动按月份分组计算统计量。

Q4: 如何生成分析报告？

A: 分析报告自动生成（generate_report()）为付费版专享功能。免费版可手动使用 df.describe() 和 df.info() 查看数据概况。

Q5: 如何读取JSON或数据库数据？

A: JSON、SQLite数据库、API接口数据读取为付费版专享功能。免费版支持CSV和Excel格式读取。

已知限制

• 免费版不支持JSON、SQLite、API数据源读取
• 免费版不包含IQR异常值剔除与字符串处理
• 免费版不包含时间序列分析（resample、rolling、seasonal_decompose）
• 免费版不包含高级可视化（箱线图、热力图、小提琴图等）
• 免费版不包含分析报告自动生成
• 不适用于实时流数据处理
• 升级至付费版可解锁全部高级功能