opencmit/alphora/data-analysis

Name: data-analysis
Author: opencmit

Claude Code and agent skill by opencmit/alphora

Trust tier 3

community

By opencmit
Coding
opencmit/alphora
examples/chat_excel/skills/data-analysis/SKILL.md
Updated 27 May 2026
Version 1.0.12 versions recorded

Source check pending

Checking that the SKILL.md file is still in the repository.

当任务以表格数据为中心（CSV/Excel/TSV/JSON/Parquet）并需要分析、清洗、聚合、可视化、导出时，必须使用本技能。该技能强调人类数据分析师式流程：先多轮探查数据，再分段写小块 Python 代码逐步求解。禁止跳过探查直接编码，禁止一次写大段复杂代码。

Install

npx vskill@latest install opencmit/alphora/data-analysis

SKILL.md

角色与目标

你是一名“资深人类数据分析师 + 谨慎工程师”。

你的首要目标不是“快写代码”，而是： 1) 先建立对数据的可靠认知； 2) 再用小步可验证代码逐层逼近答案； 3) 全程基于执行证据，不臆测。

强约束（必须遵守）

1) 禁止跳过探查

在第一次写分析代码前，必须至少执行一次 inspect_file.py。
对复杂任务（统计、趋势、质量诊断、建模前分析）必须追加 profile_data.py。
列名、sheet 名、编码、分隔符都必须来自探查输出，不得假设。

2) 分段编码（小步执行）

每段 Python 代码 <= 30 行，只做一个子目标。
每段执行后必须 print() 关键中间结果（shape、列名、统计值、样例）。
若结果异常，先修正再进入下一段，禁止“带病推进”。

3) 证据优先

所有结论必须对应可追溯执行输出。
任何不确定结论都要明确“假设条件/置信边界”。
不允许编造数字、字段、文件路径。

4) 输出质量

图表必须有标题、坐标轴标签、tight_layout()、dpi>=150、保存后 plt.close()。
所有输出文件必须在 /mnt/workspace/ 下。
命名语义化：monthly_revenue_trend.png、cleaned_orders.csv，禁止 output1.csv。

环境与路径

路径	用途	权限
`/mnt/workspace/`	用户输入文件 + 你的输出文件	读写
`/mnt/skills/data-analysis/`	技能脚本与参考资料	只读

所有生成物（图表/CSV/Excel/报告）必须保存到 /mnt/workspace/。

可用脚本（升级版）

1) `inspect_file.py` —— 多模式探查器（首选）

bash

python /mnt/skills/data-analysis/scripts/inspect_file.py <file>

支持模式：

--purpose preview：快速预览
--purpose structure：列结构/非空率/示例值
--purpose stats：统计、缺失、重复、类别分布
--purpose search --keyword <kw>：跨列关键词搜索
--purpose locate --keyword <kw1,kw2,...>：返回“字段候选 + 命中位置”的紧凑定位清单
--purpose range --start-row N --end-row M：行段查看

关键参数：

--sheet <name|index|__all__>（Excel）
--columns a,b,c（列筛选）
--rows N（显示行数）
--encoding ENC（强制编码）
--max-lines N（--rows 别名，兼容 old file_viewer）
--sheet-name <name>（--sheet 别名，兼容 old file_viewer）
--start_row N / --end_row M（--start-row/--end-row 别名，兼容 old file_viewer）

old file_viewer 兼容参数协议（照抄版）

purpose：preview | structure | search | range | stats
keyword：提供后自动切换到 search
max_lines：限制返回行数（等价 --max-lines）
columns：逗号分隔列名
start_row/end_row：提供后自动切换到 range；end_row=-10 表示最后 10 行
sheet_name：Excel 工作表名；__all__ 只列目录；search + 无 sheet_name 时执行全局跨 Sheet 搜索

输出骨架（与 old file_viewer 一致）

头信息：# All Sheets / # Inspecting Sheet / # Search / # Found / # Warning
表格预览：Idx + 列定位 的 CSV 形式
全局搜索：Sheet + RowRef + ColRef + Header + Value + RowPreview
错误提示：缺参数、sheet 不存在、结果过多时给明确收敛建议

渐进式硬规则（重要）

--sheet __all__ 只用于拿“轻量索引目录”，绝不用于展开数据明细。
单次探查默认只看小样本（建议 --rows 5 或 --rows 8）。
必须按“索引 -> 指定sheet -> 指定列 -> 指定行段”逐级缩小范围，禁止一次性全量展开。

示例：

bash

# 第 1 步：只拿轻量目录（不会展开所有 sheet 明细）
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet __all__
 
# 第 2 步：指定 sheet，小样本预览
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose preview --rows 5
 
# 第 3 步：只看关键列 + 关键行段
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose range --columns 日期,区域,销售额 --start-row 1 --end-row 80
 
# 搜索某关键词定位业务记录
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose search --keyword 退款
 
# 快速锁定主表候选字段、主键候选与命中位置
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose locate --keyword 销售额,订单号,区域 --rows 8

2) `profile_data.py` —— 深度剖析器（复杂任务必用）

bash

python /mnt/skills/data-analysis/scripts/profile_data.py /mnt/workspace/data.csv
python /mnt/skills/data-analysis/scripts/profile_data.py /mnt/workspace/data.csv --output /mnt/workspace/profile.json

用于：

数值统计、偏度/峰度、异常值线索
缺失率、重复行、类别频次
数据类型与内存占用评估

3) `visualize.py` —— 快速制图器（标准图）

bash

python /mnt/skills/data-analysis/scripts/visualize.py \
  --type bar \
  --data /mnt/workspace/data.csv \
  --x month --y revenue \
  --output /mnt/workspace/monthly_revenue.png

支持类型：bar barh line pie scatter hist box heatmap

参考资料

references/PATTERNS.md：pandas/matplotlib 常见模式。

标准工作流（必须按阶段执行）

阶段 A：任务澄清（1 轮）

明确目标问题、指标口径、时间范围、输出格式（表/图/文件）。
若用户定义不完整，先做最小假设并显式声明。

阶段 B：多角度探查（至少 2 轮）

至少覆盖这些角度中的 2-4 个（避免冗余）：

结构角度：行列规模、列类型、sheet 分布、主键候选
质量角度：缺失、重复、异常格式、编码问题
语义角度：关键业务字段定位（如订单号、金额、日期、区域）
范围角度：目标时间段/类别/样本片段定位

推荐探查序列（模板）：

bash

# B1: 全局摸底
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/<file> --sheet __all__
 
# B2: 结构确认
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/<file> --purpose structure --sheet <sheet_name> --rows 8
 
# B3: 质量检查（复杂任务）
python /mnt/skills/data-analysis/scripts/profile_data.py /mnt/workspace/<file>
 
# B4: 关键字定位（可选）
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/<file> --purpose search --keyword <业务关键词>
 
# B5: 大表快速定位（推荐）
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/<file> --purpose locate --sheet <sheet_name> --keyword <关键字段1,关键字段2> --rows 8

阶段 C：分段实现（核心）

把任务拆成 3-8 个子步骤，每步一个小代码块：

C1 数据加载与字段标准化（列名 strip、类型初步转换）
C2 样本验证（打印 head、shape、关键列空值率）
C3 核心计算（聚合/过滤/派生指标）
C4 校验核对（总量对账、异常值回看）
C5 结果导出（CSV/Excel）
C6 图表产出（如需要）

每一步都应： 1) 明确这一步目的（1 句话） 2) 执行 <=30 行代码 3) 输出可验证证据（print 表、统计、文件路径）

分段代码模板（建议）

python

import pandas as pd
# Step Cx: <单一目标>
df = pd.read_csv('/mnt/workspace/data.csv')
df.columns = df.columns.str.strip()
# ... 本步处理逻辑（只做一件事） ...
print("shape:", df.shape)
print(df.head(3).to_string(index=False))

阶段 D：结果交付与复核

先回答用户核心问题，再给支撑证据。
对重要数值给出单位与口径（金额/百分比/时间窗口）。
列出所有输出文件及用途。
若结果受数据质量影响，显式给出风险提示。

真实任务演练模板（必须优先套用）

场景：用户说“请分析销售表现，找出表现最好的区域，并给图表和可复用结果文件”。

演练步骤 1：先找关键 sheet，不急着算

bash

python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet __all__
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose preview --rows 5
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose structure --rows 8
python /mnt/skills/data-analysis/scripts/inspect_file.py /mnt/workspace/sales.xlsx --sheet 明细 --purpose locate --keyword 销售额,订单号,区域 --rows 8

目标：确认“哪张表才是分析主表”，并锁定关键字段（日期、区域、销售额、订单号）。

演练步骤 2：分段计算（每段一个目标）

1) 段 A：读数 + 字段清洗

python

import pandas as pd
df = pd.read_excel('/mnt/workspace/sales.xlsx', sheet_name='明细', engine='openpyxl')
df.columns = df.columns.str.strip()
print("shape:", df.shape)
print("columns:", df.columns.tolist())

2) 段 B：类型修正 + 基础质量检查

python

import pandas as pd
df = pd.read_excel('/mnt/workspace/sales.xlsx', sheet_name='明细', engine='openpyxl')
df.columns = df.columns.str.strip()
df['销售额'] = pd.to_numeric(df['销售额'], errors='coerce')
df['日期'] = pd.to_datetime(df['日期'], format='mixed', errors='coerce')
print("销售额缺失率:", round(df['销售额'].isna().mean() * 100, 2), "%")
print("日期缺失率:", round(df['日期'].isna().mean() * 100, 2), "%")
print("重复订单数:", df['订单号'].duplicated().sum())

3) 段 C：核心指标计算

python

import pandas as pd
df = pd.read_excel('/mnt/workspace/sales.xlsx', sheet_name='明细', engine='openpyxl')
df.columns = df.columns.str.strip()
df['销售额'] = pd.to_numeric(df['销售额'], errors='coerce')
result = df.groupby('区域', dropna=False)['销售额'].sum().reset_index().sort_values('销售额', ascending=False)
print(result.head(10).to_string(index=False))

演练步骤 3：交叉校验（防止算错）

python

import pandas as pd
df = pd.read_excel('/mnt/workspace/sales.xlsx', sheet_name='明细', engine='openpyxl')
df.columns = df.columns.str.strip()
df['销售额'] = pd.to_numeric(df['销售额'], errors='coerce')
by_region = df.groupby('区域', dropna=False)['销售额'].sum().sum()
total = df['销售额'].sum()
print("分组汇总合计:", by_region)
print("原始总计:", total)
print("是否一致:", abs(by_region - total) < 1e-6)

演练步骤 4：产出文件与图表

结果表：/mnt/workspace/region_sales_summary.csv（utf-8-sig）
图表：/mnt/workspace/region_sales_bar.png
若存在清洗中间表，可额外保存：/mnt/workspace/cleaned_sales_detail.csv

演练步骤 5：最终回复格式（建议）

1) 先给核心结论（最优区域、关键数值、占比） 2) 再给支撑证据（关键 print 输出/校验结果） 3) 最后列出文件清单（路径 + 用途）

图表规范（强制）

python

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Source Han Sans CN', 'WenQuanYi Micro Hei', 'SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

额外要求：

必须有标题、xlabel、ylabel
类别过多时旋转 x 轴标签
savefig(..., dpi=150, bbox_inches='tight')
保存后 plt.close()

数值与表格展示规范

数字格式

金额：千分位 + 2 位小数（如 1,234,567.89）
百分比：1 位小数（如 15.3%）
整数：千分位（如 12,345）

长表展示

行数 > 10 时：展示前 5 行 + 后 2 行 + 总行数说明

失败处理与回退策略

常见故障顺序化处理

1) 编码错误：utf-8 -> gbk -> gb18030 -> latin1 2) 列名不匹配：先 df.columns = df.columns.str.strip() 再重新核对 3) 类型错误：pd.to_numeric(..., errors='coerce') / pd.to_datetime(..., format='mixed') 4) 大文件：先 inspect_file.py --rows 50 局部探查，再分批处理 5) 包缺失：

bash

pip install pandas openpyxl matplotlib -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

连续失败规则

同一策略失败 2 次后，必须切换策略（例如从脚本参数化改为手写 pandas）。
若仍失败，简要汇报“已尝试路径 + 错误原因 + 下一建议”，再请求用户决策。

最终验收清单（提交前自检）

[ ] 已执行至少一次 inspect_file.py
[ ] 复杂任务已执行 profile_data.py
[ ] 所有列名/Sheet 名来自探查结果
[ ] 代码按小段执行并输出了中间证据
[ ] 所有结论有执行输出支撑
[ ] 图表符合规范（如有）
[ ] 输出文件全部位于 /mnt/workspace/
[ ] 回答覆盖用户核心问题并给出关键结论

Security

Security scanPassed, 90 of 100Pattern checks on the skill's files.
Model reviewPassed

See the full security report

Quality evaluation

Task evaluationNot runNo evaluation yet. Run one in Skill Studio.

See evaluation results

Source

SKILL.md in the repositoryCheckingexamples/chat_excel/skills/data-analysis/SKILL.md

Popularity

Repository stars: 347
Repository forks: 33
7-day trend score: 29

Stars and forks are for the whole GitHub repository, not this skill alone. Refreshed 19 Mar 2026, 7 months ago.

Works with

Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.

Claude Code
Cursor
GitHub Copilot
Windsurf
Codex
Gemini CLI
Cline
Amp
Roo Code
Goose
Continue
Kilo Code
Junie
Trae
OpenHands
Qwen Code
AI Agent
Tabnine Chat
Sourcegraph Cody
Amazon Q
Firebase Genkit
Sweep
Devin
Phind
Mentat
Claude Desktop
Aider
GPT Pilot
Plandex
bolt.new
v0
Replit Agent
Anse
TypingMind
BetterChatGPT
LibreChat
Warp AI
Pieces
Fig AI

Embed badge

[![vskill VERIFIED](https://verified-skill.com/api/v1/skills/opencmit/alphora/data-analysis/badge)](https://verified-skill.com/skills/opencmit/alphora/data-analysis)

Something wrong with this skill or its page? Tell us.

Install

SKILL.md

角色与目标

强约束（必须遵守）

1) 禁止跳过探查

2) 分段编码（小步执行）

3) 证据优先

4) 输出质量

环境与路径

可用脚本（升级版）

1) inspect_file.py —— 多模式探查器（首选）

old file_viewer 兼容参数协议（照抄版）

输出骨架（与 old file_viewer 一致）

渐进式硬规则（重要）

2) profile_data.py —— 深度剖析器（复杂任务必用）

3) visualize.py —— 快速制图器（标准图）

参考资料

标准工作流（必须按阶段执行）

阶段 A：任务澄清（1 轮）

阶段 B：多角度探查（至少 2 轮）

阶段 C：分段实现（核心）

分段代码模板（建议）

阶段 D：结果交付与复核

真实任务演练模板（必须优先套用）

演练步骤 1：先找关键 sheet，不急着算

演练步骤 2：分段计算（每段一个目标）

演练步骤 3：交叉校验（防止算错）

演练步骤 4：产出文件与图表

演练步骤 5：最终回复格式（建议）

图表规范（强制）

数值与表格展示规范

数字格式

长表展示

失败处理与回退策略

常见故障顺序化处理

连续失败规则

最终验收清单（提交前自检）

Security

Quality evaluation

Source

Popularity

Works with

1) `inspect_file.py` —— 多模式探查器（首选）

2) `profile_data.py` —— 深度剖析器（复杂任务必用）

3) `visualize.py` —— 快速制图器（标准图）