严谨数据分析
对上传的数据集强制执行 EDA、按决策框架清洗并选统计方法,产出量化结论与出版级图表。
功能与用途
分析数据最怕的是给出一个看起来合理但其实是错的结论。这个技能把流程钉死:先摸清文件格式和编码,再强制跑一遍探索性诊断(行列数、缺失、重复、分布),把结果先汇报给你。清洗有明确决策框架,比如缺失率低于 5% 才丢行、异常值默认保留不删。分析技术按问题类型匹配,统计结论要求同时给出效应量和置信区间,不能只报 p 值,也不允许从观察性数据直接说因果。
适用场景
- 要做一份结论能被复盘的分析,不能接受平均数和 p 值堆一起却:要做一份结论能被复盘的分析,不能接受平均数和 p 值堆一起却没有效应量的报告
- 数据里有缺失和异常,需要先明确清洗规则并保留可追溯的质量说明:数据里有缺失和异常,需要先明确清洗规则并保留可追溯的质量说明
- 手上两组或多组数据要判断差异是否显著,需要选对 t 检验还是:手上两组或多组数据要判断差异是否显著,需要选对 t 检验还是方差分析
- 论文或对外材料要用到图,要求色盲友好配色和固定输出目录与分辨:论文或对外材料要用到图,要求色盲友好配色和固定输出目录与分辨率
适用人群
- 数据科学家
- 量化研究员
- 需要出统计报告的行业分析师
使用步骤
- 把文件放进 /home/user/uploads/,并说清要回答的问题。
- 等 AI 汇报探索性分析结果:数据形状、类型、缺失与重复、分布概况。
- 确认清洗决策:缺失怎么处理、重复怎么判、异常值是否保留。
- 看 AI 说明所选统计技术及理由,确认效应量与置信区间一并给出。
- 取回保存到输出目录的图表和分析报告,核对数据集概览、关键发现与方法说明。
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
- 办公
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Structured data analysis with statistical rigor, automated EDA, and publication-quality visualizations. Use when the user asks to analyze data, analyze a dataset, create charts, visualize data, compute statistics, or work with CSV and spreadsheet files.
使用前准备
- 需要 data_science 沙箱环境,文件放在 /home/user/uploads/,并用 code_run 等工具执行代码。
依赖与权限
- 读取用户主动提供的内容