数据分析师（免费版）

输入格式

参数名	类型	必填	说明
input	string	是	数据分析师(免费版)处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

概述

快速进行基础数据清洗、统计分析和可视化，适合数据分析师、产品经理、运营人员的日常数据处理需求.

核心能力

数据读取

import pandas as pd
# ...
df = pd.read_csv('data.csv')
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

升级提示：JSON、SQLite数据库、API接口数据读取为付费版专享功能.

数据预览

print(df.shape)        # 行列数，如 (1542, 7)
print(df.columns)      # 列名列表
print(df.dtypes)       # 数据类型
print(df.head())       # 前 5 行
print(df.describe())   # 数值列统计

• 异常时参考错误处理章节进行恢复
• 关键参数: 数据预览 选项

数据清洗

缺失值处理：

df.isnull().sum()                    # 统计缺失
df.dropna()                          # 删除缺失行
df.fillna(0)                         # 填充 0
df.fillna(df.mean())                 # 填充均值

去重处理：

df.duplicated().sum()                # 统计重复
df.drop_duplicates()                 # 删除重复

类型转换：

df['date'] = pd.to_datetime(df['date'])
df['price'] = df['price'].astype(float)

升级提示：IQR异常值剔除（Q1 - 1.5*IQR 至 Q3 + 1.5*IQR）、字符串处理（strip/lower/replace）为付费版专享功能.

描述统计

df['col'].mean()      # 均值
df['col'].median()    # 中位数
df['col'].std()       # 标准差
df['col'].quantile([0.25, 0.5, 0.75])  # 分位数

升级提示：偏度（skew）、峰度（kurt）、相关矩阵（corr）、分组聚合（groupby.agg）、交叉表（crosstab）为付费版专享功能.

基础可视化

中文字体配置（必须先执行）：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

图表类型	代码	适用场景
折线图	plt.plot(df['date'], df['value'])	趋势变化
柱状图	plt.bar(df['category'], df['value'])	分类对比
散点图	plt.scatter(df['x'], df['y'], alpha=0.5)	关系分布
直方图	plt.hist(df['value'], bins=20, edgecolor='black')	分布形态

升级提示：箱线图（sns.boxplot）、热力图（sns.heatmap）、小提琴图、成对关系图、多轴趋势图为付费版专享功能。时间序列分析（resample、rolling、seasonal_decompose）为付费版专享功能。分析报告自动生成为付费版专享功能.

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

使用流程

1. 读取数据：使用 pd.read_csv() 或 pd.read_excel() 加载数据
2. 预览检查：执行 df.shape、df.dtypes、df.describe() 了解数据全貌
3. 数据清洗：处理缺失值（fillna）、去重（drop_duplicates）、类型转换（astype）
4. 统计分析：计算均值、中位数、标准差等描述统计量
5. 可视化：配置SimHei字体后生成基础图表代码

结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.

示例

示例1：CSV数据清洗与统计

输入: 分析这个 CSV 文件：sales.csv
# ...
处理:
- df = pd.read_csv('sales.csv')
- 缺失值: df['sales'].fillna(df['sales'].mean())
- 统计: 均值¥45,230, 中位数¥38,500, 标准差¥12,400
# ...
输出: 1542 行数据，销售额均值¥45,230

示例2：生成折线图代码

输入: 为这些数据生成折线图代码
# ...
输出:
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['value'])
plt.title('趋势图')
plt.xlabel('日期')
plt.ylabel('数值')
plt.show()

错误处理

错误场景	原因	处理方式
中文图表显示方框	未配置SimHei字体	执行 plt.rcParams['font.sans-serif'] = ['SimHei'] 和 plt.rcParams['axes.unicode_minus'] = False
KeyError 列名不存在	列名含空格或大小写不一致	先 print(df.columns) 检查实际列名
fillna(df.mean()) 报错	含非数值列无法求均值	仅对数值列填充：df.select_dtypes(include='number').fillna(df.mean())
astype(float) 转换失败	列中含非数字字符串	使用 pd.to_numeric(df['col'], errors='coerce') 将非法值转为NaN
大数据集内存溢出	DataFrame超过可用内存	使用 dtype 参数指定类型，或分块读取

常见问题

Q1: 图表中中文显示为方框怎么解决？

A: 在绘图前配置字体：plt.rcParams['font.sans-serif'] = ['SimHei']（Windows），同时设置 plt.rcParams['axes.unicode_minus'] = False.

Q2: 如何处理异常值？

A: IQR异常值剔除方法为付费版专享功能。免费版可使用 df.describe() 查看最大最小值，手动过滤极端值.

Q3: 如何做时间序列分析？

A: 时间序列分析（resample、rolling、seasonal_decompose）为付费版专享功能。免费版可手动按月份分组计算统计量.

Q4: 如何生成分析报告？

A: 分析报告自动生成（generate_report()）为付费版专享功能。免费版可手动使用 df.describe() 和 df.info() 查看数据概况.

Q5: 如何读取JSON或数据库数据？

A: JSON、SQLite数据库、API接口数据读取为付费版专享功能。免费版支持CSV和Excel格式读取.

已知限制

• 免费版不支持JSON、SQLite、API数据源读取
• 免费版不包含IQR异常值剔除与字符串处理
• 免费版不包含时间序列分析（resample、rolling、seasonal_decompose）
• 免费版不包含高级可视化（箱线图、热力图、小提琴图等）
• 免费版不包含分析报告自动生成
• 不适用于实时流数据处理
• 升级至付费版可解锁全部高级功能