ソース情報
- リポジトリ
- ffsshhttiikk/opencode-agents-skills
- ソースの最終更新活動
- 2026年2月28日 22:51
- 検出された SKILL.md の言語
- 英語
- スター
- 3
- フォーク
- 2
インストール方法
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
ソースファイルを確認
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SKILL.md を表示中
SKILL.md
ソースの指示 · 読み取り専用プレビュー- name
- eda/engineering
- description
- EDA engineering practices
- license
- MIT
- compatibility
- opencode
- metadata
- {"audience":"data-engineers","category":"data-science"}
## What I do
- Build scalable EDA pipelines
- Automate data profiling
- Create reproducible data analysis workflows
- Implement data quality monitoring
- Design data exploration tools
- Build self-service analytics infrastructure
## When to use me
Use me when:
- Building data infrastructure
- Automating EDA for large datasets
- Creating data quality dashboards
- Implementing data governance
- Building analytics platforms
## Key Concepts
### Data Profiling Pipeline
```python
from great_expectations import GreatExpectations
import pandas as pd
# Define expectations
expectations = [
{"expectation_type": "expect_column_values_to_not_be_null",
"kwargs": {"column": "id"}},
{"expectation_type": "expect_column_values_to_be_unique",
"kwargs": {"column": "id"}},
{"expectation_type": "expect_column_values_to_be_between",
"kwargs": {"column": "age", "min_value": 0, "max_value": 120}},
{"expectation_type": "expect_column_distinct_values_to_be_in_set",
"kwargs": {"column": "status", "value_set": ["active", "inactive"]}}
]
# Validate data
ge = GreatExpectations()
batch = ge.get_batch("data.csv", "default")
results = ge.validate(batch, expectations=expectations)
```
### Automated Profiling
```python
from pandas_profiling import ProfileReport
# Generate comprehensive EDA report
profile = ProfileReport(
df,
title="Data Profiling Report",
explorative=True,
missing_diagrams=True,
correlations={"high_cardinality": "include"}
)
profile.to_file("eda_report.html")
```
### Data Quality Metrics
- **Completeness**: % non-null values
- **Uniqueness**: % unique values
- **Validity**: % values in valid range
- **Consistency**: Cross-field validation
- **Timeliness**: Data freshness
### Monitoring Setup
- Great Expectations for validation
- Datafold for diff analysis
- Great Expectations Cloud
- Amundsen for data catalog
GitHubで見る