name: pandas-dataframe-analyzer description: 用于统计摘要、缺失值检测、数据类型推断和内存优化建议的自动化DataFrame分析技能。 allowed-tools:
- Read
- Write
- Bash
- Glob
- Grep
pandas-dataframe-analyzer
概述
使用pandas和数据分析库进行自动化DataFrame分析，包括统计摘要、缺失值模式检测、数据类型优化建议和内存占用分析。
功能
- DataFrame的统计分析
- 缺失值模式检测
- 数据类型优化建议
- 内存占用分析
- 重复值检测与处理
- 分布分析与可视化
- 相关性矩阵计算
- 分类特征基数分析
目标流程
- 探索性数据分析（EDA）流程
- 数据收集与验证流程
- 特征工程设计与实施
工具与库
- pandas
- pandas-profiling / ydata-profiling
- numpy
- scipy（用于统计检验）
输入模式
{
"type": "object",
"required": ["dataPath"],
"properties": {
"dataPath": {
"type": "string",
"description": "数据文件路径（CSV、Parquet、JSON格式）"
},
"sampleSize": {
"type": "integer",
"description": "用于分析的采样行数",
"default": 10000
},
"profileType": {
"type": "string",
"enum": ["minimal", "standard", "full"],
"default": "standard"
},
"outputFormat": {
"type": "string",
"enum": ["json", "html", "markdown"],
"default": "json"
}
}
}
输出模式
{
"type": "object",
"required": ["summary", "columns", "recommendations"],
"properties": {
"summary": {
"type": "object",
"properties": {
"rowCount": { "type": "integer" },
"columnCount": { "type": "integer" },
"memoryUsageMB": { "type": "number" },
"duplicateRows": { "type": "integer" },
"missingCells": { "type": "integer" },
"missingCellsPercent": { "type": "number" }
}
},
"columns": {
"type": "array",
"items": {
"type": "object",
"properties": {
"name": { "type": "string" },
"dtype": { "type": "string" },
"nullCount": { "type": "integer" },
"uniqueCount": { "type": "integer" },
"stats": { "type": "object" }
}
}
},
"recommendations": {
"type": "array",
"items": {
"type": "object",
"properties": {
"type": { "type": "string" },
"column": { "type": "string" },
"suggestion": { "type": "string" },
"impact": { "type": "string" }
}
}
}
}
}
使用示例
{
kind: 'skill',
title: '分析训练数据集',
skill: {
name: 'pandas-dataframe-analyzer',
context: {
dataPath: 'data/train.csv',
profileType: 'full',
outputFormat: 'json'
}
}
}