一键在 Manus 中运行任何 Skill

data-analysis-python

星标1

分支0

更新时间2026年6月22日 17:01

使用 Python 进行数据分析的完整工作流：数据加载、探索性分析、统计检验、机器学习建模、特征工程、超参数调优、可视化。当用户要求分析数据集（CSV/Excel）、做统计分析、建预测模型、画图表时使用。也适用于审查/修复用户提供的数据分析脚本、将现有脚本适配到非交互式环境运行。触发词：数据分析、统计分析、预测模型、机器学习、pandas、sklearn、相关性分析、卡方检验、方差分析、数据可视化、EDA。

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

abxxvrv

abxxvrv/navi_agent

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

Python 数据分析工作流

用户偏好

先建 venv 再装包：用户明确要求先创建虚拟环境，再在其中安装依赖。不要直接 pip install 到系统环境。用户偏好 python -m venv venv。
质疑模型准确率是合理的：当交叉验证准确率低于 75% 时，主动分析原因并提出改进方案。
先调查数据完整性再动手：拿到数据集后，先确认数据量是否完整，再开始分析。

标准 Pipeline

1. 环境准备 → 2. 数据加载 → 3. EDA → 4. 统计检验 → 5. 特征工程 → 6. 建模 → 7. 调优 → 8. 可视化 → 9. 报告

1. 环境准备

python -m venv venv
source venv/Scripts/activate  # Windows Git Bash
pip install pandas numpy scikit-learn matplotlib seaborn scipy
# 可选：pip install xgboost lightgbm

2. 数据加载与初步探索

import pandas as pd
df = pd.read_csv('data.csv')
print(f'形状: {df.shape}')
print(f'列名: {list(df.columns)}')
print(f'缺失值:\n{df.isnull().sum()}')
print(df.describe())

3. 探索性数据分析 (EDA)

分类变量：value_counts() + 卡方检验
数值变量：describe() + 分组箱线图
类别分布不均衡检查：目标变量各类别比例

4. 统计检验

场景	方法	代码
分类 vs 分类	卡方检验	`scipy.stats.chi2_contingency(ct)`
数值 vs 分类(2组)	t检验	`scipy.stats.ttest_ind(g1, g2)`
数值 vs 分类(3+组)	ANOVA	`scipy.stats.f_oneway(*groups)`
数值 vs 数值	Pearson/Spearman	`df.corr()`

5. 特征工程

# 交互特征、分箱、多项式、对数变换、领域知识特征
df['A_x_B'] = df['A'] * df['B']
df['age_group'] = pd.cut(df['age'], bins=[0,40,60,100], labels=[0,1,2]).astype(int)
df['age_log'] = np.log1p(df['age'])

6. 建模

from sklearn.model_selection import train_test_split, cross_val_score, StratifiedKFold
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y, random_state=42)
model = RandomForestClassifier(class_weight='balanced')
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
cv_scores = cross_val_score(model, X_train, y_train, cv=skf, scoring='accuracy')

7. 准确率不够时的改进顺序

特征工程 → 2. 类别平衡 → 3. 更强模型(XGBoost) → 4. 超参调优 → 5. 简化任务

审查/修复用户提供的脚本

当用户提供现成的数据分析脚本要求运行时，按以下清单逐项检查：

快速检查清单

数据文件路径：脚本中的路径是否指向实际存在的文件？用 ls 或 head 验证。
缺失依赖：先 python -c "import xxx" 检查，缺什么装什么。
matplotlib 后端（关键）：CLI 环境下必须切换为非交互后端，否则 plt.show() 会阻塞。
代码逻辑缺陷：缩进错误、变量未定义、重复代码块、被截断的代码。

matplotlib 非交互式环境适配

在 CLI/脚本模式下运行含 plt.show() 的代码，必须做以下修改：

# 1. 文件顶部、import matplotlib.pyplot 之后立即设置后端
import matplotlib
matplotlib.use('Agg')  # 必须在 plt 导入之后、任何 plt 调用之前

# 2. 将所有 plt.show() 替换为 plt.savefig() + plt.close()
# 带计数器的模式：
plot_counter = 0
# ...绘图代码...
plot_counter += 1
plt.savefig(f'plot_{plot_counter}.png', dpi=150, bbox_inches='tight')
plt.close()
print(f'>>> 图表已保存: plot_{plot_counter}.png')

常见错误模式：用户脚本直接用 plt.show()，在非交互环境中会无限等待。替换为 savefig + close 即可。

常见陷阱

类别编码顺序不一致：LabelEncoder 映射顺序可能不符合业务逻辑，检查 le.classes_
数据泄露：StandardScaler 要在 train_test_split 之后 fit，只 transform test
样本量太小：<500 样本时复杂模型容易过拟合，优先用简单模型
忘记 stratify：分类任务的 train_test_split 必须加 stratify=y
索引断裂：异常值清洗后忘记 reset_index(drop=True)，导致后续 train_test_split 报错

同仓库更多 Skills

同仓库

playwright-cli

abxxvrv/navi_agent

Automate browser interactions, test web pages, work with Playwright tests, and operate browser-hosted terminals such as ttyd/xterm.js.

2026-07-201

navi-design

abxxvrv/navi_agent

Navi Agent 设计参考库。当用户询问 navi agent 的架构设计、功能方案、技术选型、或某个具体实现应该如何做时，自动参考 Claude Code (cc_src/)、KIMI-CLI (kimi-cli/)、Hermes (hermes-agent/) 三个成熟项目的源码来提供建议。触发场景包括：讨论 agent loop 设计、工具系统、审批机制、会话管理、UI/CLI 交互、技能系统、插件机制、subagent、MCP 集成等任何 navi 的功能设计问题。也适用于：添加新工具、修改工具行为、集成外部 API。也适用于：多智能体系统设计、Worker 模式、sub_agent 委派模式、Interactive SubAgent 模式、Human-in-the-Loop 模式。也适用于：LangGraph 功能评估、工具调用兼容性分析、模型适配方案选型。

2026-07-151

cli-tool-output-arch

abxxvrv/navi_agent

CLI agent 工具输出架构设计与调试。当排查工具输出重复、输出丢失、输出乱序、实时流与结果渲染冲突、输出截断策略等问题时使用。也适用于为新的 CLI agent 工具设计输出通道。触发词：工具输出重复、output twice、双份输出、流式输出、tool result rendering、输出截断、truncat。

2026-06-271

navi-tool-dev

abxxvrv/navi_agent

Navi Agent 工具开发指南。当需要为 Navi 添加新工具（tool）、修改已有工具、或理解工具注册机制时使用。触发场景：用户说"写一个 XX 工具"、"添加工具"、"tool 怎么写"、"注册工具"、涉及 tool.py 或 runtime.py 中工具注册部分的修改。也适用于：集成外部工具协议（MCP 等）、添加工具子系统、批量注册动态发现的工具。也适用于：添加或修改斜杠命令（/xxx）、斜杠命令子命令。

2026-06-271

pptx

abxxvrv/navi_agent

演示文稿创建、编辑和分析。当用户需要处理 PowerPoint 演示文稿（.pptx 文件）时使用，包括创建新演示文稿、修改内容、处理布局、添加批注或演讲者备注等。也适用于将 guizang-ppt HTML 转换为 PPTX。也适用于基于 Word/文本文档生成学术汇报 PPT（docx→PPT），包含中文学术 PPT 配色方案、卡片布局、条形图、表格等常用模式。触发词：做PPT、做个PPT、演示文稿、slides、presentation、汇报PPT。

2026-06-271

cli-hub-meta-skill

abxxvrv/navi_agent

Discover agent-native CLIs for professional software. Access the live catalog to find tools for creative workflows, productivity, AI, and more.

2026-06-261

name

data-analysis-python

description

Python 数据分析工作流

用户偏好

先建 venv 再装包：用户明确要求先创建虚拟环境，再在其中安装依赖。不要直接 pip install 到系统环境。用户偏好 python -m venv venv。
质疑模型准确率是合理的：当交叉验证准确率低于 75% 时，主动分析原因并提出改进方案。
先调查数据完整性再动手：拿到数据集后，先确认数据量是否完整，再开始分析。

标准 Pipeline

1. 环境准备 → 2. 数据加载 → 3. EDA → 4. 统计检验 → 5. 特征工程 → 6. 建模 → 7. 调优 → 8. 可视化 → 9. 报告

1. 环境准备

python -m venv venv
source venv/Scripts/activate  # Windows Git Bash
pip install pandas numpy scikit-learn matplotlib seaborn scipy
# 可选：pip install xgboost lightgbm

2. 数据加载与初步探索

import pandas as pd
df = pd.read_csv('data.csv')
print(f'形状: {df.shape}')
print(f'列名: {list(df.columns)}')
print(f'缺失值:\n{df.isnull().sum()}')
print(df.describe())

3. 探索性数据分析 (EDA)

分类变量：value_counts() + 卡方检验
数值变量：describe() + 分组箱线图
类别分布不均衡检查：目标变量各类别比例

4. 统计检验

场景	方法	代码
分类 vs 分类	卡方检验	`scipy.stats.chi2_contingency(ct)`
数值 vs 分类(2组)	t检验	`scipy.stats.ttest_ind(g1, g2)`
数值 vs 分类(3+组)	ANOVA	`scipy.stats.f_oneway(*groups)`
数值 vs 数值	Pearson/Spearman	`df.corr()`

5. 特征工程

# 交互特征、分箱、多项式、对数变换、领域知识特征
df['A_x_B'] = df['A'] * df['B']
df['age_group'] = pd.cut(df['age'], bins=[0,40,60,100], labels=[0,1,2]).astype(int)
df['age_log'] = np.log1p(df['age'])

6. 建模

from sklearn.model_selection import train_test_split, cross_val_score, StratifiedKFold
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y, random_state=42)
model = RandomForestClassifier(class_weight='balanced')
skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
cv_scores = cross_val_score(model, X_train, y_train, cv=skf, scoring='accuracy')

7. 准确率不够时的改进顺序

特征工程 → 2. 类别平衡 → 3. 更强模型(XGBoost) → 4. 超参调优 → 5. 简化任务

审查/修复用户提供的脚本

当用户提供现成的数据分析脚本要求运行时，按以下清单逐项检查：

快速检查清单

数据文件路径：脚本中的路径是否指向实际存在的文件？用 ls 或 head 验证。
缺失依赖：先 python -c "import xxx" 检查，缺什么装什么。
matplotlib 后端（关键）：CLI 环境下必须切换为非交互后端，否则 plt.show() 会阻塞。
代码逻辑缺陷：缩进错误、变量未定义、重复代码块、被截断的代码。

matplotlib 非交互式环境适配

在 CLI/脚本模式下运行含 plt.show() 的代码，必须做以下修改：

# 1. 文件顶部、import matplotlib.pyplot 之后立即设置后端
import matplotlib
matplotlib.use('Agg')  # 必须在 plt 导入之后、任何 plt 调用之前

# 2. 将所有 plt.show() 替换为 plt.savefig() + plt.close()
# 带计数器的模式：
plot_counter = 0
# ...绘图代码...
plot_counter += 1
plt.savefig(f'plot_{plot_counter}.png', dpi=150, bbox_inches='tight')
plt.close()
print(f'>>> 图表已保存: plot_{plot_counter}.png')

常见错误模式：用户脚本直接用 plt.show()，在非交互环境中会无限等待。替换为 savefig + close 即可。

常见陷阱

类别编码顺序不一致：LabelEncoder 映射顺序可能不符合业务逻辑，检查 le.classes_
数据泄露：StandardScaler 要在 train_test_split 之后 fit，只 transform test
样本量太小：<500 样本时复杂模型容易过拟合，优先用简单模型
忘记 stratify：分类任务的 train_test_split 必须加 stratify=y
索引断裂：异常值清洗后忘记 reset_index(drop=True)，导致后续 train_test_split 报错