数据分析与可视化
输入 CSV 等数据集或分析需求,完成数据检查、清洗、统计探索与图表呈现,输出可复现的分析结论、Notebook 或数据处理流程。
功能与用途
面向使用 Python 开展数据分析的工作,可提供 CSV 等数据集、分析目标或现有 Notebook。技能会围绕数据质量检查、缺失值与类型处理、分组统计、变量关系探索和统计验证,整理清晰的分析步骤,并按需生成带标题、坐标说明和适当配色的图表。最终可得到分析结论、可复现的 Jupyter Notebook 或数据处理流程建议。适合需要开展探索性分析、整理数据并向他人呈现结果的场景;运行相关代码需要具备相应的 Python 环境与依赖库。
适用场景
- 检查并清洗业务数据:检查销售表中的缺失值、类型和异常记录,整理出可供后续分析的数据集。
- 探索指标变化与关联:按产品或时间汇总营收指标,比较分布并通过图表识别变化和变量关系。
- 制作可复现分析报告:将数据来源、处理步骤、统计结果和图表组织成结构清楚的 Jupyter Notebook。
- 搭建重复运行的数据流程:把数据读取、转换、校验和汇总整理成便于复用的数据处理流程。
适用人群
- 数据分析师
- 商业分析师
- 科研人员
- 使用 Python 处理数据的开发者
使用步骤
- 提供数据文件、字段说明或现有 Notebook。
- 说明要回答的问题、关注指标和希望得到的结果。
- 确认数据清洗、统计检验或图表需求。
- 获取分析代码、图表方案或整理后的 Notebook,并核对结论。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- 7682ca7
- 最近更新
- 2026-11-07
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Best practices for analytics, data analysis, and visualization using Python, pandas, matplotlib, seaborn, and Jupyter notebooks. Use when performing exploratory data analysis, building data pipelines, creating statistical visualizations, writing Jupyter notebooks, cleaning and transforming datasets, or implementing analytics dashboards.