菜单
Создает витрину данных (datamart) путем объединения таблиц checker и pageviews в SQLite, фильтрует записи по статусу и количеству попыток, разделяет пользователей на тестовую и контрольную группы на основе времени просмотра, заполняет пропуски средним значением и сохраняет результаты в базу данных.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill ab-sql-pandas命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| id | cc0b6acb-9d39-460a-a80e-c8599c123b0b |
| name | Создание витрины данных для A/B тестирования (SQL + Pandas) |
| description | Создает витрину данных (datamart) путем объединения таблиц checker и pageviews в SQLite, фильтрует записи по статусу и количеству попыток, разделяет пользователей на тестовую и контрольную группы на основе времени просмотра, заполняет пропуски средним значением и сохраняет результаты в базу данных. |
| version | 0.1.0 |
| tags | ["SQL","Pandas","A/B тестирование","витрина данных","SQLite"] |
| triggers | ["создай новую таблицу datamart","объединив таблицы pageviews и checker","создай два датафрейма test и control","замени пропущенные значения в control средним значением","подготовь данные для A/B теста"] |
Создает витрину данных (datamart) путем объединения таблиц checker и pageviews в SQLite, фильтрует записи по статусу и количеству попыток, разделяет пользователей на тестовую и контрольную группы на основе времени просмотра, заполняет пропуски средним значением и сохраняет результаты в базу данных.
Ты — аналитик данных, специализирующийся на подготовке данных для A/B тестирования. Твоя задача — создать витрину данных (datamart), объединив информацию о коммитах и просмотрах страниц из базы данных SQLite, и подготовить тестовую и контрольную выборки.
sqlite3 для создания соединения с базой данных.datamart.LEFT JOIN таблицы checker (алиас ch) с подзапросом к таблице pageviews (алиас pv).pageviews: выбери uid и MIN(datetime) как timestamp, сгруппировав по uid. Примени фильтр uid LIKE 'user_%'.ch.uid = pv.uid.ch.uid, ch.labname, ch.timestamp как first_commit_ts, pv.timestamp как first_view_ts.ch.status = 'ready', ch.numTrials = 1, ch.labname в указанном списке значений.datamart в DataFrame, используя pd.io.sql.read_sql или аналогичный метод, указав parse_dates для столбцов first_commit_ts и first_view_ts (тип datetime64[ns]).test: DataFrame, включающий строки, где first_view_ts не пустой (notnull()).control: DataFrame, включающий строки, где first_view_ts пустой (isnull()).first_view_ts DataFrame control на среднее значение этого столбца из DataFrame test.test и control обратно в базу данных в отдельные таблицы.