data-analysis

Stars7

Forks0

UpdatedJune 9, 2026 at 14:07

数据分析与可视化 (Use when: 需要处理 CSV/Excel 数据、生成图表、统计分析). NOT for: 非数据文件、GUI 操作.

Installation

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.

Source

zzycxz

zzycxz/rooster

View GitHub Repository View Creator Repositories

Download

Related occupationsSOC

Based on SOC occupation classification

Data ScientistsComputer and Mathematical Occupations·SOC 15-2051

SKILL.md

readonly

name	data-analysis
description	数据分析与可视化 (Use when: 需要处理 CSV/Excel 数据、生成图表、统计分析). NOT for: 非数据文件、GUI 操作.
metadata	{"rooster":{"emoji":"📊","platform":["any"],"category":"data","kits":["Interpreter","Office"],"requires":{"python_packages":["pandas","matplotlib","openpyxl"],"bins":[],"env_vars":[]}}}

Data Analysis — 数据分析与可视化

通过 python_interpreter 工具，使用 pandas/matplotlib 完成数据处理和图表生成。

常用场景

读取 CSV/Excel 并统计汇总
数据清洗与缺失值处理
生成折线图、柱状图、散点图
透视表与分组聚合
数据导出为新 Excel/CSV

读取与基础分析

import pandas as pd

# 读取文件
df = pd.read_csv(r"C:\path\to\data.csv", encoding="utf-8")
# 或 Excel: df = pd.read_excel(r"C:\path\to\data.xlsx", sheet_name="Sheet1")

print(f"数据形状: {df.shape}")
print(df.head())
print(df.describe())
print(df.isnull().sum())

数据清洗

# 删除重复行
df = df.drop_duplicates()

# 填充缺失值
df["column"].fillna(df["column"].mean(), inplace=True)

# 类型转换
df["date"] = pd.to_datetime(df["date"])
df["amount"] = pd.to_numeric(df["amount"], errors="coerce")

生成图表

import matplotlib
matplotlib.use("Agg")  # 非交互模式，必须在 import pyplot 之前
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(10, 6))
df.groupby("category")["amount"].sum().plot(kind="bar", ax=ax)
ax.set_title("各类别销售额汇总")
ax.set_xlabel("类别")
ax.set_ylabel("金额")
plt.tight_layout()

output_path = r"C:\Users\user\Desktop\chart.png"
plt.savefig(output_path, dpi=150, bbox_inches="tight")
print(f"[RESULT_PATH: {output_path}]")  # 供 Rooster 识别产出文件
plt.close()

透视表与分组

# 透视表
pivot = df.pivot_table(
    values="amount",
    index="region",
    columns="product",
    aggfunc="sum",
    fill_value=0
)
print(pivot)

# 导出结果
output_excel = r"C:\Users\user\Desktop\pivot_result.xlsx"
pivot.to_excel(output_excel)
print(f"[RESULT_PATH: {output_excel}]")

注意事项

始终使用 matplotlib.use("Agg") 避免无界面环境报错
文件路径使用原始字符串 r"..." 或正斜杠
中文显示需设置字体：plt.rcParams["font.sans-serif"] = ["SimHei"]
大文件（>10 万行）使用 chunksize 分块读取

More from this repository

same repository

browser-automation

zzycxz/rooster

浏览器自动化操作 (Use when: 需要交互式浏览网页、填写表单、点击按钮、翻页抓取动态内容). NOT for: 静态网页抓取(用 web_fetch)、文件下载(用 multimedia_download).

2026-06-097

coding-agent

zzycxz/rooster

自主编程与代码开发 (Use when: 需要编写/修改/调试代码、创建项目、重构). NOT for: 数据分析、文件格式转换.

2026-06-097

dev-tools

zzycxz/rooster

开发辅助工具集 (Use when: 需要代码格式化/依赖管理/环境检测/进程管理/端口扫描). NOT for: 文件读写（用 FileSystem）.

2026-06-097

email-139

zzycxz/rooster

通过中国移动 139 邮箱发送邮件（支持附件、纯文本）。凭据已预配置，直接调用即可。

2026-06-097

git-ops

zzycxz/rooster

Git 版本控制操作 (Use when: 需要 clone/commit/push/diff/log 等 git 操作). NOT for: 非版本控制文件操作.

2026-06-097

github

zzycxz/rooster

GitHub 仓库操作与协作 (Use when: 需要 PR/Issue/Release 操作、CI 查询、仓库管理). NOT for: 本地 git 操作（用 git-ops）.

2026-06-097

Data Analysis — 数据分析与可视化

通过 python_interpreter 工具，使用 pandas/matplotlib 完成数据处理和图表生成。

常用场景

读取 CSV/Excel 并统计汇总

数据清洗与缺失值处理

生成折线图、柱状图、散点图

透视表与分组聚合

数据导出为新 Excel/CSV

读取与基础分析

import pandas as pd # 读取文件 df = pd.read_csv(r"C:\path\to\data.csv", encoding="utf-8") # 或 Excel: df = pd.read_excel(r"C:\path\to\data.xlsx", sheet_name="Sheet1") print(f"数据形状: {df.shape}") print(df.head()) print(df.describe()) print(df.isnull().sum())

数据清洗

# 删除重复行 df = df.drop_duplicates() # 填充缺失值 df["column"].fillna(df["column"].mean(), inplace=True) # 类型转换 df["date"] = pd.to_datetime(df["date"]) df["amount"] = pd.to_numeric(df["amount"], errors="coerce")

生成图表

import matplotlib matplotlib.use("Agg") # 非交互模式，必须在 import pyplot 之前 import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10, 6)) df.groupby("category")["amount"].sum().plot(kind="bar", ax=ax) ax.set_title("各类别销售额汇总") ax.set_xlabel("类别") ax.set_ylabel("金额") plt.tight_layout() output_path = r"C:\Users\user\Desktop\chart.png" plt.savefig(output_path, dpi=150, bbox_inches="tight") print(f"[RESULT_PATH: {output_path}]") # 供 Rooster 识别产出文件 plt.close()

透视表与分组

# 透视表 pivot = df.pivot_table( values="amount", index="region", columns="product", aggfunc="sum", fill_value=0 ) print(pivot) # 导出结果 output_excel = r"C:\Users\user\Desktop\pivot_result.xlsx" pivot.to_excel(output_excel) print(f"[RESULT_PATH: {output_excel}]")

注意事项

始终使用 matplotlib.use("Agg") 避免无界面环境报错

文件路径使用原始字符串 r"..." 或正斜杠

中文显示需设置字体：plt.rcParams["font.sans-serif"] = ["SimHei"]

大文件（>10 万行）使用 chunksize 分块读取