Przejdź do treści
Biblioteka skilli
Dane i analityka · Analiza

exploratory-data-analysis

/exploratory-data-analysis

Prowadzi strukturalną eksplorację nowego zbioru danych przed modelowaniem: rozkłady, korelacje, kontrola wycieku celu i wizualizacje.

Licencja
MIT
Ostatnia zmiana repozytorium
05.06.2026

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 05.06.2026, bez odwołań do wycofanych modeli i API.

Licencja

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

Co robi i kiedy

Prowadzi strukturalną eksplorację nowego zbioru danych przed modelowaniem: rozkłady, korelacje, kontrola wycieku celu i wizualizacje.

Wyzwalacze z opisu

exploreprofileunderstandsummarize
Oryginalny opis (EN)

Use when starting on a new dataset, before modeling, or when asked to "explore", "profile", "understand", or "summarize" data. Covers structured EDA, distributions, correlations, target leakage checks, and visualization.

Jak działa

  1. Overview
  2. When to use
  3. Workflow
  4. Reference snippet
  5. Pitfalls
  6. Hand-off
Sekcje z nagłówków SKILL.md, w oryginale · 67 linii, 384 słów
Podgląd SKILL.md
---
name: exploratory-data-analysis
description: Use when starting on a new dataset, before modeling, or when asked to "explore", "profile", "understand", or "summarize" data. Covers structured EDA, distributions, correlations, target leakage checks, and visualization.
---

# Exploratory Data Analysis (EDA)

## Overview

EDA is the disciplined first pass over a dataset: understand shape, types, distributions, missingness, relationships, and red flags **before** writing a single model. Skipping it is the #1 cause of silent modeling failures (leakage, broken splits, garbage features).

## When to use

- A new dataset just landed.
- You're asked to "look at", "profile", "explore", or "summarize" data.
- A model underperforms and you need to understand the inputs.

## Workflow

Follow this order. Do not jump to modeling until every step is answered.

1. **Shape & types** — rows, columns, dtypes, memory. Are numeric columns actually numeric?
2. **Missingness** — per-column null counts and patterns (MCAR/MAR/MNAR). Is missingness itself predictive?
3. **Target analysis** — distribution of the target (class balance / skew). This decides metrics and resampling.
4. **Univariate** — distributions of each feature (histograms, value counts, describe()).
5. **Bivariate** — feature vs target relationships; correlation matrix for numeric.
6. **Leakage scan** — features too perfectly correlated with the target, IDs, timestamps, or post-outcome columns.
7. **Cardinality & outliers** — high-cardinality categoricals, extreme values.

## Reference snippet

```python
import pandas as pd

df = pd.read_csv("data.csv")

# 1. Shape & types
print(df.shape)
print(df.dtypes.value_counts())
print(df.memory_usage(deep=True).sum() / 1e6, "MB")

# 2. Missingness
miss = df.isna().mean().sort_values(ascending=False)
print(miss[miss > 0])

# 3. Target (classification example)
print(df["target"].value_counts(normalize=True))

# 4-5. Numeric summary + correlations with target
num = df.select_dtypes("number")
print(num.describe().T)
print(num.corr()["target"].sort_values(ascending=False))

# 6. Leakage red flag: |corr| ~ 1.0 with target
corr_t = num.corr()["target"].drop("target").abs()
print("LEAKAGE SUSPECTS:", corr_t[corr_t > 0.95].index.tolist())
```

For a fast automated first look, `ydata-profiling` (`ProfileReport(df)`) or `df.describe(include="all")` is acceptable — but never let a tool replace the manual leakage scan.

## Pitfalls

- **Profiling on the full dataset then splitting.** EDA that informs feature choices must be done on the **training split only**, or you leak test information.
- **Ignoring class imbalance.** A 99/1 split makes accuracy meaningless — note it now so you pick the right metric later.
- **Treating IDs as features.** Order IDs, row indices, and hashes correlate with the target by accident.
- **Trusting `.corr()` for non-linear / categorical relationships.** Use mutual information or grouped means for those.

## Hand-off

Output of EDA should be: a short written summary (shape, target balance, top missing columns, leakage suspects, candidate features) that downstream steps (data-cleaning, feature-engineering) consume.

Wersje

RepozytoriumWynikLicencja
Ta strona · param087/agent-ml-skills100MIT
jaechang-hits/SciAgent-Skills100MIT
mkurman/zorai100MIT
agent-skills-hub/agent-skills-hub100MIT
fmschulz/omics-skills100MIT
aipoch/medical-research-skills100MIT
seb1n/awesome-ai-agent-skills98MIT
Amey-Thakur/AI-SKILLS90MIT

Migawka bazy z 28.10.2026 · wersja paczki 8487912df518 (skrót SHA-256 całej paczki)

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

Podobne skille

  • 98eda-report
    Przeprowadza wstępną eksplorację zbioru danych i tworzy ustrukturyzowany raport: jakość danych, rozkłady, braki i zależności.
  • 90programmatic-eda
    Prowadzi systematyczną eksploracyjną analizę danych: profilowanie zbioru, struktura, braki, wartości odstające, rozkłady i korelacje przed głębszą analizą.
  • 90plot-eda
    Projektuje przepływ eksploracyjnej analizy danych dla zbioru, aby zbadać, co zawiera dataset.
  • 100eda-playbook
    Prowadzi uporządkowaną eksploracyjną analizę nowego lub podejrzanego zbioru danych: audyt schematu, analiza celu, profilowanie cech, braki i kontrole wycieku, z dziennikiem decyzji.
  • 100stat-eda
    Prowadzi eksploracyjną analizę danych (EDA): statystyki opisowe, wizualizacje i kontrole jakości, aby poznać strukturę zbioru, znaleźć wzorce i anomalie.
  • 100data-profiling
    Głęboko profiluje aktywny zbiór danych: rozkłady, wzorce czasowe, korelacje, luki kompletności i anomalie.

Uwagi i zgłoszenia

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