| name | data_split_by_field |
| description | 按字段拆分数据工具。根据指定字段的值将结构化表格拆分为多个文件，每个唯一值对应一个输出文件。
当用户提到数据拆分、按字段分组导出、分类导出、数据分片、按某列值分割文件等需求时使用此skill。
即使用户没有明确说出"拆分"，只要任务涉及将结构化表格按某字段值分成多个文件，就应该使用此skill。
不负责字段聚合统计、行级过滤或跨表关联合并。
|
| name_zh | 按字段拆分数据算子 |
| input_params | [{"name":"input","type":"string","required":true,"description":"输入CSV、TSV、Excel或SPSS文件路径"},{"name":"output_dir","type":"string","required":true,"description":"输出目录路径"},{"name":"split_field","type":"string","required":true,"description":"用于拆分的字段名"},{"name":"output_prefix","type":"string","required":false,"default":"split","description":"输出文件名前缀"},{"name":"output_format","type":"string","required":false,"default":"csv","description":"输出文件格式（csv/tsv/xlsx/parquet）"},{"name":"use_dask","type":"string","required":false,"default":"False","description":"是否使用Dask处理大数据"},{"name":"blocksize","type":"string","required":false,"default":"64MB","description":"Dask分块大小"}] |
| output_params | [{"name":"output_dir","type":"directory","description":"包含拆分后文件的目录"}] |
| tag | 切分与采样 |
Data Split By Field 按字段拆分数据 Skill
功能概述
本skill用于根据指定字段的值将结构化表格拆分为多个文件。每个唯一的字段值会生成一个独立的输出文件，
文件名包含字段值以便识别。
触发条件
当用户请求以下任务时，应使用此skill：
- 按字段拆分数据
- 分组导出
- 分类导出
- 数据分片
- 按某列值分割文件
核心参数说明
必需参数
--input：输入文件路径--output_dir：输出目录路径--split_field：用于拆分的字段名
可选参数
--output_prefix：输出文件名前缀，默认 split--output_format：输出文件格式，默认 csv--use_dask：是否使用Dask处理大数据，默认 False--blocksize：Dask分块大小，默认 64MB
输入文件格式
输入文件可以是 CSV、TSV、Excel 或 SPSS 文件，且必须包含 split_field 对应的列。
使用方法
python scripts/run_data_split_by_field.py --input data.csv --output_dir ./output --split_field category
输出示例
[OK] Data split completed!
Engine: pandas
Input file: data.csv
Split field: category
Total rows: 1000
Unique values: 5
Output files:
- ./output/split_cat1.csv (200 rows)
- ./output/split_cat2.csv (300 rows)
环境要求
- Python 3.10+
- pandas
- openpyxl、xlrd、pyreadstat 等按输入格式需要安装
- 可选：dask
注意事项
- 拆分字段必须存在于数据中
- 输出文件名格式为：
{prefix}_{field_value}.{format}
- 字段值中的特殊字符会被替换为下划线
- 输出目录不存在时会自动创建
