version: "1.0.0" name: data_split_by_field description: '按字段拆分数据工具。根据指定字段的值将结构化表格拆分为多个文件，每个唯一值对应一个输出文件。

当用户提到数据拆分、按字段分组导出、分类导出、数据分片、按某列值分割文件等需求时使用此skill。

即使用户没有明确说出"拆分"，只要任务涉及将结构化表格按某字段值分成多个文件，就应该使用此skill。

不负责字段聚合统计、行级过滤或跨表关联合并。

' name_zh: 按字段拆分数据算子 input_params:

• name: input

type: string required: true description: 输入CSV、TSV、Excel或SPSS文件路径

• name: output_dir

type: string required: true description: 输出目录路径

• name: split_field

type: string required: true description: 用于拆分的字段名

• name: output_prefix

type: string required: false default: split description: 输出文件名前缀

• name: output_format

type: string required: false default: csv description: 输出文件格式（csv/tsv/xlsx/parquet）

• name: use_dask

type: string required: false default: "False" description: 是否使用Dask处理大数据

• name: blocksize

type: string required: false default: 64MB description: Dask分块大小 output_params:

• name: output_dir

type: directory description: 包含拆分后文件的目录 tag: 数据筛选 publisher: COMMUNITY

Data Split By Field 按字段拆分数据 Skill

功能概述

本skill用于根据指定字段的值将结构化表格拆分为多个文件。每个唯一的字段值会生成一个独立的输出文件， 文件名包含字段值以便识别。

触发条件

当用户请求以下任务时，应使用此skill：

• 按字段拆分数据
• 分组导出
• 分类导出
• 数据分片
• 按某列值分割文件

核心参数说明

必需参数

• --input：输入文件路径
• --output_dir：输出目录路径
• --split_field：用于拆分的字段名

可选参数

• --output_prefix：输出文件名前缀，默认 split
• --output_format：输出文件格式，默认 csv
• --use_dask：是否使用Dask处理大数据，默认 False
• --blocksize：Dask分块大小，默认 64MB

输入文件格式

输入文件可以是 CSV、TSV、Excel 或 SPSS 文件，且必须包含 split_field 对应的列。

使用方法

python scripts/run_data_split_by_field.py --input data.csv --output_dir ./output --split_field category

输出示例

[OK] Data split completed!
   Engine: pandas
   Input file: data.csv
   Split field: category
   Total rows: 1000
   Unique values: 5
   Output files:
     - ./output/split_cat1.csv (200 rows)
     - ./output/split_cat2.csv (300 rows)

环境要求

• Python 3.10+
• pandas
• openpyxl、xlrd、pyreadstat 等按输入格式需要安装
• 可选：dask

注意事项

1. 拆分字段必须存在于数据中
2. 输出文件名格式为：{prefix}_{field_value}.{format}
3. 字段值中的特殊字符会被替换为下划线
4. 输出目录不存在时会自动创建