메뉴
字段分布校验工具。读取结构化数据文件（CSV、TSV、Excel等），按模式检查数值字段统计特征或分类字段频率分布是否合理。 数值模式用于检查均值、标准差、中位数、分位数等统计量；分类模式用于检查类别数上限和单类占比是否异常。 当用户提到分布校验、统计特征验证、类别频率检查、类别倾斜检测等需求时使用此skill。 即使用户没有明确说出"分布校验"，只要任务涉及验证字段整体分布是否偏移或失衡，就应该使用此skill。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/cas-bigdatalab/piflow --skill numeric-distribution-check명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
Dataspace 文件输入源算子。用于根据 Dataspace 数据源实例 ID 和空间内文件路径下载单个文件，并将该文件作为工作流输入提供给下游算子。该算子没有上游输入，必须作为 DAG 的起始节点使用。
Dataspace 文件输出终止算子。用于接收上游算子的单个文件输出，按指定相对目录上传到 Dataspace 空间目录中，实际文件名自动沿用输入文件名。该算子必须作为 DAG 的终止节点使用。
用于编辑或创建 Gaussian 输入文件（.gjf），支持添加 Link 0 指令（%chk、%oldchk、%nprocshared、%mem）、Route 行关键词、电荷和多重度。可对已有 gjf 文件进行参数填充，也可从零创建新的 gjf 文件。
SOC 직업 분류 기준
SKILL.md 표시 중
| name | numeric_distribution_check |
| description | 字段分布校验工具。读取结构化数据文件（CSV、TSV、Excel等），按模式检查数值字段统计特征或分类字段频率分布是否合理。 数值模式用于检查均值、标准差、中位数、分位数等统计量；分类模式用于检查类别数上限和单类占比是否异常。 当用户提到分布校验、统计特征验证、类别频率检查、类别倾斜检测等需求时使用此skill。 即使用户没有明确说出"分布校验"，只要任务涉及验证字段整体分布是否偏移或失衡，就应该使用此skill。 |
| name_zh | 字段分布校验算子 |
| input_params | [{"name":"input_path","type":"string","required":true,"description":"输入文件路径（支持CSV/TSV/Excel/SPSS等）"},{"name":"output_path","type":"string","required":true,"description":"输出文件路径（带质控标识的结果文件）"},{"name":"mode","type":"string","required":false,"default":"numeric","description":"校验模式：numeric（数值分布）或 categorical（分类频率）"},{"name":"value_field","type":"string","required":false,"description":"数值模式下要统计的数值字段名"},{"name":"stat_constraints","type":"string","required":false,"description":"数值模式下的统计约束，格式：统计量,min,max；如 mean,0,100 或 std,0,50，支持 mean/median/std/min/max/p25/p75"},{"name":"category_field","type":"string","required":false,"description":"分类模式下要检查的分类字段名"},{"name":"max_categories","type":"string","required":false,"description":"分类模式下允许的最大类别数（超过则标记）"},{"name":"max_single_ratio","type":"string","required":false,"description":"分类模式下单类最大占比 0~1（超过则标记该类别所有行）"},{"name":"qc_mark","type":"string","required":true,"description":"质控标识（如QC0029）"},{"name":"mark_field_name","type":"string","required":false,"default":"QC0000","description":"质控标识字段名"}] |
| output_params | [{"name":"output_path","type":"csv_file","description":"带质控标识的输出文件"}] |
| tag | 数据校验 |
| publisher | COMMUNITY |
本skill用于在表级别检查字段的整体分布是否合理，包含两种模式：
max_categoriesmax_single_ratio当用户请求以下任务时，应使用此skill：
mode 选择校验路径：
numeric：提取 value_field 的有效数值，计算统计量并与 stat_constraints 比较categorical：统计 category_field 的类别频次和占比，检查 max_categories 与 max_single_ratiomark_field_name 列标记 qc_mark向用户确认：
在 scripts/ 目录下找到 numeric_distribution_check.py，使用Python执行：
数值模式：
python scripts/numeric_distribution_check.py \
--input_path data.csv \
--output_path checked.csv \
--mode numeric \
--value_field "score" \
--stat_constraints "mean,40,60 std,0,20" \
--qc_mark QC0029
分类模式：
python scripts/numeric_distribution_check.py \
--input_path data.csv \
--output_path checked.csv \
--mode categorical \
--category_field "category" \
--max_categories 20 \
--max_single_ratio 0.5 \
--qc_mark QC0029
脚本执行完成后，告知用户：
| 参数 | 必填 | 说明 |
|---|---|---|
--input_path | 是 | 输入文件路径（支持CSV/TSV/Excel/SPSS） |
--output_path | 是 | 输出文件路径 |
--mode | 否 | 校验模式：numeric（默认）或 categorical |
--value_field | 数值模式必需 | 要统计的数值字段名 |
--stat_constraints | 数值模式必需 | 统计约束，格式：统计量,min,max，多组用空格或分号分隔 |
--category_field | 分类模式必需 | 要检查的分类字段名 |
--max_categories | 分类模式可选 | 最大允许类别数（超过则全部标记） |
--max_single_ratio | 分类模式可选 | 单类最大占比 0~1（超过则标记倾斜类别所有行） |
--qc_mark | 是 | 质控标识（如QC0029） |
--mark_field_name | 否 | 质控标识字段名（默认QC0000） |
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (1000, 5)
[mean] 期望 [40, 60], 实际 72.3000 ✗ 超限
[std] 期望 [0, 20], 实际 15.8000 ✓
[QC FAIL] 数值分布校验未通过 (1 项):
[mean] 期望 [40, 60], 实际 72.3000 ✗ 超限
Successfully written file: /path/to/checked.csv
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (500, 4)
[mean] 期望 [40, 60], 实际 52.1000 ✓
[std] 期望 [0, 20], 实际 12.3000 ✓
[QC PASS] 数值分布校验通过
Successfully written file: /path/to/checked.csv
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (500, 8)
[INFO] 总行数: 500, 类别数: 35
dominant 362 (72.4%)
... 还有 34 个类别
[QC FAIL] 分类频率校验未通过 (2 项):
[类别数] 实际 35 > 最大 20
[倾斜] 类别 'dominant' 占比 72.4% > 60%
Successfully written file: /path/to/checked.csv
统计量,min,max，多组用空格或分号分隔_checked 后缀