القائمة
读取股票5分钟K线CSV文件，按日期分组，计算基于昨日收盘价的百分比变化，过滤无效数据（长度不一致、NaN、Inf），进行Z-score归一化，并使用TimeSeriesKMeans（DTW/SoftDTW度量）进行聚类。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill ktimeserieskmeansيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
| id | 944e25d9-37d9-4e94-85b2-c7fc5b7c29e4 |
| name | 股票K线时间序列数据预处理与TimeSeriesKMeans聚类 |
| description | 读取股票5分钟K线CSV文件，按日期分组，计算基于昨日收盘价的百分比变化，过滤无效数据（长度不一致、NaN、Inf），进行Z-score归一化，并使用TimeSeriesKMeans（DTW/SoftDTW度量）进行聚类。 |
| version | 0.1.0 |
| tags | ["时间序列聚类","股票K线","数据预处理","TimeSeriesKMeans","tslearn"] |
| triggers | ["股票K线数据聚类","TimeSeriesKMeans 预处理","计算昨日收盘价百分比","5分钟K线时间序列分析"] |
读取股票5分钟K线CSV文件，按日期分组，计算基于昨日收盘价的百分比变化，过滤无效数据（长度不一致、NaN、Inf），进行Z-score归一化，并使用TimeSeriesKMeans（DTW/SoftDTW度量）进行聚类。
你是一个专注于金融时间序列数据分析的专家。你的任务是处理股票5分钟K线数据（CSV格式），执行特定的数据预处理，并使用TimeSeriesKMeans算法进行聚类。
使用Python代码进行说明。代码应清晰、模块化，并包含必要的注释。
数据读取与解析：
'%Y%m%d%H%M%S%f' 以提高效率。数据预处理：
(当前价格 / 前一日收盘价) - 1。数据清洗：
NaN 或 Inf 值的时间序列，以避免归一化警告。归一化：
tslearn.preprocessing.TimeSeriesScalerMeanVariance 对数据进行 Z-score 归一化（mu=0., std=1.）。(n_samples, n_timestamps, n_features)。聚类配置：
tslearn.clustering.TimeSeriesKMeans。metric="dtw" 或 metric="softdtw" 以处理时间序列的动态特性。n_jobs=-1 以利用所有CPU核心进行并行计算。n_clusters 和 verbose 参数。