data-analysis

name	data-analysis
description	Профилирование датасета (CSV или JSON-массив объектов): типы полей, статистика (count/unique/missing, min/max/mean/std), мода и топ-N значений, гистограмма 5 корзин для чисел, топ-3 парные корреляции Пирсона, аномалии и рекомендации. Скрипт data_analyze.py читает --input и выводит отчёт в markdown (по умолчанию) или JSON. Триггеры: 'data analysis', 'анализ данных', 'профиль датасета', 'статистика данных', 'dataset анализ', 'почитать данные', 'data profiling', 'разведочный анализ', 'eda'.
license	MIT
metadata	{"author":"best","version":"1.0.0"}
compatibility	Requires Python 3 stdlib (json, csv, statistics, collections)
when_to_use	Use when doing exploratory data analysis (EDA) on a CSV/JSON dataset. Triggers: 'data analysis', 'анализ данных', 'профиль датасета', 'eda', 'почитать данные', 'data profiling'. Example: 'сделай EDA датасета и найди корреляции'.

Data Analysis

Профилирование датасета: статистика полей, корреляции, аномалии и рекомендации.

Загружай этот скилл когда нужно разобраться в данных: понять типы полей, распределения, пропуски, корреляции между числовыми полями и что стоит почистить перед анализом или моделированием.

🎯 When to use

Use this skill when:

• Есть CSV или JSON-массив объектов и нужен профиль датасета (EDA)
• Нужно понять типы полей, пропуски, распределения и выбросы
• Просят «проанализировать данные», «почитать данные», «сделать EDA»
• Нужны корреляции между числовыми полями и рекомендации по очистке данных

Do NOT use when:

• Нужен SQL-запрос к базе данных — это sql-helper
• Нужна обработка CSV как таблицы (фильтры, join, преобразования) — это csv-pro
• Нужны графики/визуализации — скрипт выдаёт текстовый отчёт (markdown/JSON), не картинки

📦 Files

• SKILL.md — этот файл
• scripts/data_analyze.py — профилировщик датасета (Python 3 stdlib)
• references/canonical-patterns.md — эталонные EDA-паттерны канонических инструментов

Canonical analogues

Эталонные EDA-паттерны и gap-анализ скрипта против канонических инструментов — в references/canonical-patterns.md. Топ-аналоги:

• ydata-profiling — эталонная структура отчёта (Overview/Alerts/Variables/Correlations/Missing/Sample) и алерты качества с порогами.
• sweetviz — целевой анализ (target_feat) и mixed-type ассоциации (uncertainty coefficient, correlation ratio).
• DuckDB SUMMARIZE — профилирование одной SQL-командой: min/max/approx_unique/avg/std/q25/q50/q75/null_percentage.
• D-Tale — интерактивный GUI: Describe, Outlier Detection, Duplicates, Missing Analysis, Predictive Power Score.
• skimr / DataExplorer (R) — консольное профилирование по типам и метрики introduce() (memory_usage, complete_rows).

🧰 Usage

# CSV → markdown-отчёт (по умолчанию):
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv

# JSON-массив объектов → markdown-отчёт:
python3 skills/data-analysis/scripts/data_analyze.py --input data.json

# JSON-отчёт (для программного использования):
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv --output json

# Топ-5 значений вместо 10 и свой заголовок:
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv --top 5 --title "Продажи 2026"

🔬 Проверка результата

• Markdown-отчёт содержит секции: Размер, Типы, Статистика, Корреляции, Аномалии, Рекомендации.
• JSON-отчёт — зеркало тех же секций: ключи rows, fields, correlations, anomalies, recommendations.
• Числовые поля: min/max/mean/std, медиана, мода, топ-N значений, гистограмма из 5 корзин.
• Корреляции: таблица 3 сильнейших парных коэффициентов Пирсона (по полным парам, без numpy).
• Аномалии: разреженные (>90% пропусков), нулевая дисперсия, высокая кардинальность строк, правосторонний перекос.
• При неисправимой ошибке (файл не найден, невалидный JSON, пустой датасет) скрипт пишет причину в stderr и завершается с кодом 1; предупреждения (смешанный тип поля, пропущенные элементы) работу не прерывают.