Menu
探索的データ解析（EDA）と相関分析のスキル。データの分布可視化、相関ヒートマップ、 散布図行列の作成を行う際に使用。Scientific Skills Exp-02, 12, 13 で確立したパターン。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | scientific-eda-correlation |
| description | 探索的データ解析（EDA）と相関分析のスキル。データの分布可視化、相関ヒートマップ、 散布図行列の作成を行う際に使用。Scientific Skills Exp-02, 12, 13 で確立したパターン。 |
| tu_tools | [{"key":"biotools","name":"bio.tools","description":"統計解析ツール検索"}] |
探索的データ解析（Exploratory Data Analysis）のパイプラインスキル。 データ理解の初期段階で使用し、分布・外れ値・変数間相関を把握する。
import pandas as pd
import numpy as np
def descriptive_statistics(df, numeric_cols, group_col=None):
"""記述統計量を算出して CSV に保存する。"""
if group_col:
stats = df.groupby(group_col)[numeric_cols].describe()
else:
stats = df[numeric_cols].describe()
stats.to_csv("results/descriptive_statistics.csv")
return stats
import matplotlib.pyplot as plt
import seaborn as sns
def plot_distributions(df, variables, group_col, figsize=(20, 16), ncols=3):
"""群別のボックスプロットを変数ごとに描画する。"""
nrows = (len(variables) + ncols - 1) // ncols
fig, axes = plt.subplots(nrows, ncols, figsize=figsize)
axes = axes.flatten()
for i, var in enumerate(variables):
sns.boxplot(data=df, x=group_col, y=var, ax=axes[i],
palette="Set2", showfliers=True)
axes[i].set_title(var, fontsize=12, fontweight="bold")
axes[i].tick_params(axis="x", rotation=45)
for j in range(i + 1, len(axes)):
axes[j].set_visible(False)
plt.tight_layout()
plt.savefig("figures/distribution_boxplots.png", dpi=300, bbox_inches="tight")
plt.close()
def plot_correlation_heatmap(df, numeric_cols, block_boundaries=None,
figsize=(14, 12), method="pearson"):
"""
相関ヒートマップを描画する。
block_boundaries: PSP などの階層境界を示す線の位置リスト（オプション）。
"""
corr = df[numeric_cols].corr(method=method)
fig, ax = plt.subplots(figsize=figsize)
mask = np.triu(np.ones_like(corr, dtype=bool), k=1)
sns.heatmap(corr, mask=mask, annot=True, fmt=".2f",
cmap="RdBu_r", center=0, vmin=-1, vmax=1,
square=True, linewidths=0.5, ax=ax,
annot_kws={"size": 8})
# 階層境界線（PSP ブロック分離）
if block_boundaries:
for b in block_boundaries:
ax.axhline(y=b, color="black", linewidth=2)
ax.axvline(x=b, color="black", linewidth=2)
ax.set_title("Correlation Heatmap", fontsize=14, fontweight="bold")
plt.tight_layout()
plt.savefig("figures/correlation_heatmap.png", dpi=300, bbox_inches="tight")
plt.close()
return corr
def plot_scatter_matrix(df, variables, hue_col, figsize=(16, 14)):
"""主要変数の散布図行列を描画する。"""
g = sns.pairplot(df[variables + [hue_col]], hue=hue_col,
diag_kind="kde", palette="Set2",
plot_kws={"alpha": 0.6, "s": 30})
g.fig.suptitle("Scatter Matrix", y=1.02, fontsize=14, fontweight="bold")
plt.savefig("figures/scatter_matrix.png", dpi=300, bbox_inches="tight")
plt.close()
def psp_block_correlation(df, process_cols, structure_cols, property_cols):
"""Process→Structure→Property の 3 ブロック相関を個別に算出する。"""
ps_corr = df[process_cols + structure_cols].corr().loc[process_cols, structure_cols]
sp_corr = df[structure_cols + property_cols].corr().loc[structure_cols, property_cols]
pp_corr = df[process_cols + property_cols].corr().loc[process_cols, property_cols]
ps_corr.to_csv("results/PSP_process_structure_corr.csv")
sp_corr.to_csv("results/PSP_structure_property_corr.csv")
pp_corr.to_csv("results/PSP_process_property_corr.csv")
return ps_corr, sp_corr, pp_corr
| TU Key | ツール名 | 連携内容 |
|---|---|---|
biotools | bio.tools | 統計解析ツール検索 |
| ファイル | 形式 |
|---|---|
results/descriptive_statistics.csv | CSV |
figures/distribution_boxplots.png | PNG (300 DPI) |
figures/correlation_heatmap.png | PNG (300 DPI) |
figures/scatter_matrix.png | PNG (300 DPI) |
sns.heatmap 相関ヒートマップの基本パターン実験の監査レポート・データ来歴（プロベナンス）生成スキル。 データ変換履歴・使用ツールのバージョン・データ整合性チェックを 含むトレーサビリティレポートを自動生成する。 「監査レポート作成」「データ来歴を記録」「トレーサビリティ」で発火。
派生実験設計スキル。既存の実験をベースに条件を変更した派生実験を 設計する。実験計画法（DOE）に基づくパラメータ探索を支援。 「派生実験を設計して」「条件を変えて実験」「パラメータ探索」で発火。
実験テンプレート生成スキル。研究目的・仮説・手法・実験条件・評価基準・ スケジュールを構造化した実験計画書を自動作成する。 「実験テンプレート作成して」「実験計画を立てて」「実験プロトコルを作成」で発火。
実験結果を論文形式（LaTeX / IMRaD）にエクスポートするスキル。 Introduction・Materials & Methods・Results・Discussion の構造で 出版準備用の原稿を自動生成する。 「論文にして」「LaTeX出力」「出版準備」で発火。
実験結果の査読・レビュースキル。再現性・統計的妥当性・方法論の 健全性を体系的に評価し、構造化されたレビューレポートを生成する。 「レビューして」「査読して」「実験結果を評価して」で発火。
科学技術・学術論文の執筆スキル。IMRaD 標準、Nature/Science 系、ACS 系、IEEE 系、 Elsevier 系のジャーナル形式に対応した論文構成・セクション設計・文章パターンを提供。 「論文を書いて」「Abstract を作成して」「Methods セクションを書いて」で発火。 assets/ に主要ジャーナル形式の Markdown テンプレートを同梱。