data-analysis

Estrellas7

Forks0

Actualizado9 de junio de 2026 a las 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.

Instalación

Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.

Fuente

zzycxz

zzycxz/rooster

Abrir repositorio de GitHub Ver repositorios del creador

Descarga

Ocupaciones relacionadasSOC

Basado en la clasificación ocupacional SOC

Científicos de datosOcupaciones informáticas y matemáticas·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

Más de este repositorio

mismo repositorio

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