Przejdź do treści
Biblioteka skilli
Dane i analityka · Analiza

data-analysis

/data-analysis

Analizuje zbiór danych od początku do końca: wczytuje, czyści, liczy statystyki, szuka wzorców i korelacji oraz rysuje wykresy z plików CSV, Excel lub JSON.

Repozytorium
microclaw ↗
Licencja
MIT
Ostatnia zmiana repozytorium
26.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 26.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Analizuje zbiór danych od początku do końca: wczytuje, czyści, liczy statystyki, szuka wzorców i korelacji oraz rysuje wykresy z plików CSV, Excel lub JSON.

Oryginalny opis (EN)

Analyze a dataset end-to-end: load, clean, compute statistics, find patterns/correlations, and optionally plot — using pandas when available (stdlib fallback otherwise). Use when users hand over data (CSV/Excel/JSON) and want insights, trends, summaries, correlations, or charts, beyond a single quick query. Triggers on mentions of analyze data, analysis, statistics, correlation, trend, distribution, plot/chart the data, insights, 数据分析, 统计, 相关性, 趋势, 分布, 画图.

Jak działa

  1. Explore first (shape, types, missing)
  2. Aggregate, group, correlate
  3. Plot (save, then send as attachment)
  4. Workflow
  5. Guidance
Sekcje z nagłówków SKILL.md, w oryginale · 59 linii, 236 słów
Podgląd SKILL.md
---
name: data-analysis
description: "Analyze a dataset end-to-end: load, clean, compute statistics, find patterns/correlations, and optionally plot — using pandas when available (stdlib fallback otherwise). Use when users hand over data (CSV/Excel/JSON) and want insights, trends, summaries, correlations, or charts, beyond a single quick query. Triggers on mentions of analyze data, analysis, statistics, correlation, trend, distribution, plot/chart the data, insights, 数据分析, 统计, 相关性, 趋势, 分布, 画图."
license: Proprietary. LICENSE.txt has complete terms
compatibility: "Requires python3; uses pandas/matplotlib when installed, with a stdlib fallback. Works on macOS, Linux, and Windows."
---

# Data Analysis

Compute, don't eyeball. Load the data, check it, then answer the actual question with numbers.
Check tooling first: `python3 -c "import pandas"` — if missing, fall back to the `csv`/`statistics` stdlib (see the `csv-tools` skill).

## Explore first (shape, types, missing)

```bash
python3 - <<'PY'
import pandas as pd
df = pd.read_csv("data.csv")          # or read_excel / read_json
print(df.shape)
print(df.dtypes)
print(df.isna().sum())                # missing values per column
print(df.describe(include="all"))     # summary stats
PY
```

## Aggregate, group, correlate

```bash
python3 - <<'PY'
import pandas as pd
df = pd.read_csv("data.csv")
print(df.groupby("category")["amount"].agg(["count","mean","sum"]))
print(df.select_dtypes("number").corr())   # correlation matrix
PY
```

## Plot (save, then send as attachment)

```bash
python3 - <<'PY'
import pandas as pd, matplotlib
matplotlib.use("Agg")                 # headless
import matplotlib.pyplot as plt
df = pd.read_csv("data.csv")
df.groupby("month")["sales"].sum().plot(kind="bar")
plt.tight_layout(); plt.savefig("tmp/chart.png", dpi=120)
print("wrote tmp/chart.png")
PY
```

## Workflow

1. Restate the question and what would answer it.
2. Load + sanity-check (shape, types, missing, obvious outliers).
3. Compute the specific metrics; don't dump everything.
4. Report the **findings** ("北区销量是南区的 2.3 倍,主要集中在 Q4"), with the numbers behind them.
5. Note caveats: small samples, missing data, correlation ≠ causation.

## Guidance

- Save charts under `tmp/` and send via `send_message` with `attachment_path`.
- Don't over-plot; one clear chart that answers the question beats five decorative ones.
- State assumptions (how you handled missing/dupes) so results are reproducible.
- If pandas isn't installed and the task is light, use `csv-tools`; if heavy, say what's needed.

Wersje

RepozytoriumWynikLicencja
Ta strona · microclaw/microclaw100MIT
DomynAI/domyn-agents100Apache-2.0
bytedance/deer-flow100MIT
quantummetric/qm-plugin-skills100MIT
Sellyew/Workbuddy-workflow100MIT
DougTrajano/pydantic-ai-skills100MIT
lynricsy/hyperskills100MIT
DvJ4Y/shipwright100MIT
devpilotX/ai-skill-ai100MIT

Migawka bazy z 13.11.2026 · wersja paczki e2570d5569f8 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100csv-data-analysis
    Analizuje pliki CSV i Excel: wykrywa wzorce w danych, generuje podsumowania statystyczne i wizualizacje.
  • 100data-analyst
    Czyści, analizuje i wizualizuje dane z plików CSV, Excel lub JSON i wyjaśnia wyniki prostym językiem.
  • 100data-analyst
    Analizuje pliki danych (CSV, JSON, Excel), pisze zapytania SQL, wyszukuje trendy, buduje dashboardy i wykresy oraz sprawdza jakość danych.
  • 90data-analyzer
    Prowadzi analizę danych ustrukturyzowanych, generuje statystyki i wnioski, szuka wzorców i tworzy raporty analityczne.
  • 100data-charts
    Analizuje dane tabelaryczne i rysuje wykresy słupkowe, liniowe, punktowe, kołowe i histogramy do PNG lub SVG z pandas i matplotlib.
  • 86data-analyst
    Wczytuje, czyści i analizuje pliki CSV, JSON i Excel w pamięci, z testami hipotez, wykresami i kontrolą jakości danych.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.