data-analysis

name	data-analysis
description	全链路数据分析技能，支持表格(CSV/Excel)、文档(PDF/DOCX/MD)及图像数据的处理。 核心工作流强制遵循：1. 安全探查：仅读取元数据与少量样本，严禁全量加载以防Token溢出；2. 质量体检：自动检查缺失、重复与一致性；3. 代码执行：基于Python(Pandas/Matplotlib)进行清洗、统计与可视化；4. 结果验证与报告生成。 适用场景：探索性分析(EDA)、多模态数据提取、图表绘制及生成数据洞察报告。

数据分析技能

支持的输入数据类型

1. 表格形式的数据：csv、xlsx
2. 文本中包含的数据：docx、pdf、md
3. 图片中包含的数据：png、jpg

步骤一：数据读入与探查

为了防止 Token 溢出和执行环境卡死，智能体 严禁 直接打印全量数据或将其加载到 Prompt 上下文中，只允许将必要的数据概要加载进上下文。

1. 数据读入与保存

对不同类型的数据应使用不同的读取方法：

• csv: 直接使用pandas库读取
• xlsx: 使用pandas库或 \xlsx 工具读取
• docx: 使用 \docx 工具读取，并将其中待分析的目标数据提取出来保存为csv文件
• pdf: 使用 \pdf 工具读取，并将其中待分析的目标数据提取出来保存为csv文件
• md: 直接读取，并将其中待分析的目标数据提取出来保存为csv文件
• png、jpg: 使用视觉工具读取，并将其中待分析的目标数据提取出来保存为csv文件

2. 数据探查

在编写正式分析代码前，必须先执行一段轻量级的探查代码。将代码保存至工作空间。

原则：

只看样貌，不看全貌： 仅获取元数据和少量样本。

元数据优先： 必须获取列名（Columns）和数据类型（Dtypes）。

样本限制： 严格限制读取行数（推荐n=5）。

探查全部文件： 若有多份待分析的文件，需要对所有文件逐一探查，并检查文件间可能存在的关联，将具体关联方式保存为csv文档或md文件，供后续分析进行参考。

标准探查代码模式 (Python示例):

import pandas as pd

# 设定文件路径
file_path = 'target_data.csv'

try:
    # 1. 仅读取前5行，避免加载大文件占用内存
    # 注意：对于非CSV文件 (如 Parquet, Excel)，使用相应的 read_ function 并配合 head()
    if file_path.endswith('.csv'):
        df_preview = pd.read_csv(file_path, nrows=5)
     file_path.endswith():
        df_preview = pd.read_parquet(file_path).head()
     file_path.endswith((, )):
        df_preview = pd.read_excel(file_path, nrows=)
    
    
    ()
    (df_preview.to_markdown(index=))
    
    ()
    (df_preview.info())
    
 Exception  e:
    ()