数据分析技能，帮助分析数据、生成可视化图表和提供数据洞察
npx skills add https://github.com/hidagent/dataagent --skill data-analysisKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um den Skill zu installieren
API 测试技能，帮助测试和调试 HTTP API 接口
代码审查技能，帮助审查代码质量、发现潜在问题并提供改进建议
文档写作技能，帮助撰写技术文档、API 文档、用户手册等
HITL 人机交互测试技能，用于测试和演示多步人机交互功能（选择、确认、输入、表单）
SQL 专家技能，帮助编写、优化和调试 SQL 查询
| name | data-analysis |
| description | 数据分析技能，帮助分析数据、生成可视化图表和提供数据洞察 |
| category | data |
| tags | ["data","analysis","visualization","statistics","pandas"] |
这个技能帮助你进行专业的数据分析，包括：
首先了解数据的基本情况：
import pandas as pd
# 加载数据
df = pd.read_csv('data.csv')
# 基本信息
print(df.info())
print(df.describe())
print(df.head())
# 缺失值检查
print(df.isnull().sum())
# 数据类型检查
print(df.dtypes)
处理常见的数据质量问题：
# 处理缺失值
df.fillna(df.mean(), inplace=True) # 数值型
df.fillna('Unknown', inplace=True) # 分类型
# 处理重复值
df.drop_duplicates(inplace=True)
# 处理异常值
Q1 = df['column'].quantile(0.25)
Q3 = df['column'].quantile(0.75)
IQR = Q3 - Q1
df = df[(df['column'] >= Q1 - 1.5*IQR) & (df['column'] <= Q3 + 1.5*IQR)]
进行描述性和推断性统计：
# 描述性统计
mean = df['column'].mean()
median = df['column'].median()
std = df['column'].std()
# 相关性分析
correlation = df.corr()
# 分组统计
grouped = df.groupby('category').agg({
'value': ['mean', 'sum', 'count']
})
使用 matplotlib 和 seaborn 创建图表：
import matplotlib.pyplot as plt
import seaborn as sns
# 分布图
plt.figure(figsize=(10, 6))
sns.histplot(df['column'], kde=True)
plt.title('数据分布')
plt.savefig('distribution.png')
# 相关性热力图
plt.figure(figsize=(12, 8))
sns.heatmap(df.corr(), annot=True, cmap='coolwarm')
plt.title('相关性矩阵')
plt.savefig('correlation.png')
# 趋势图
plt.figure(figsize=(12, 6))
plt.plot(df['date'], df['value'])
plt.title('趋势分析')
plt.xlabel('日期')
plt.ylabel('数值')
plt.savefig('trend.png')
分析报告应包含：
## 数据分析报告
### 数据概览
- 数据集大小: X 行 × Y 列
- 时间范围: [开始日期] 至 [结束日期]
- 数据质量: 缺失值 X%，重复值 Y 条
### 关键发现
1. **发现一**: [描述]
- 数据支持: [具体数据]
- 图表: [图表引用]
2. **发现二**: [描述]
- 数据支持: [具体数据]
### 统计摘要
| 指标 | 数值 |
|------|------|
| 平均值 | X |
| 中位数 | Y |
| 标准差 | Z |
### 建议
1. [基于数据的建议一]
2. [基于数据的建议二]
### 附录
- 完整代码
- 原始数据链接