# Data Analyst

> 当用户要在内存中对 CSV / JSON / Excel 做数据加载、清洗、统计分析、假设检验、图表可视化或数据质量检查时使用。

- Skill: `ntygod/data-analyst` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add ntygod/data-analyst`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ntygod/data-analyst/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: ntygod (https://skillmd.com/u/ntygod)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ntygod/data-analyst

---


# 数据分析指南

用户给数据要分析 / 看图 / 出结论时进入。多步分析用同一 `kernelId` 跨调用共享 dataframe，避免每步重新加载。

## 适用场景

- CSV / JSON / Excel 数据探索(列名、分布、缺失)
- 清洗与转换(去重、填空、类型转换、结构化)
- 统计分析(描述性、相关性、假设检验)
- 数据可视化(柱状 / 折线 / 散点 / 热力图)
- 时间序列分析
- 数据质量检查 / 多份数据对比
- 处理后导出回 CSV / Excel / JSON

## 不适用场景

- 数据库 SQL 查询 → database-query
- 日志文件分析 → log-analyzer
- 简单数学计算 → 直接回答

## 工作流(按用户表达分流)

| 用户表达 | 路径 |
|---|---|
| "看下这份数据 / 列名是啥 / 多大" | 预览 → 加载探索(`describe` / `dtypes` / `isnull`) |
| "清洗一下 / 去重 / 填空 / 改类型" | 持久 kernel 加载 → 逐步转换,每步打印行数变化 |
| "统计 / 相关性 / 显著吗" | 加载后跑 `describe` / `corr` / `scipy.stats` |
| "画图 / 可视化 / 柱状图 / 趋势" | matplotlib Agg 后端 + 中文字体 + `savefig` 落盘 |
| "导出 / 存一份" | `to_csv` / `to_excel` / `to_json` 写到 cwd（绝对路径来自工具返回的 workingDirectory） |
| "对比这两份" | 同 kernel 加载两个 df,做 join / merge / diff |

## 各路径决策点(本 Skill 独有)

- **持久 kernel**:多步分析必须传同一 `kernelId`,跨调用复用 dataframe;一次性查询不传
- **大文件防 OOM**:文件 >500MB 用 `chunksize` 分块或 `usecols` 选列加载
- **中文字体**:可视化必须 `plt.rcParams['font.sans-serif'] = ['SimHei']` 或 `WenQuanYi`,否则中文乱码
- **结论给数值**:输出具体数值(均值 / 占比 / p 值 / 置信区间),禁止"差不多""挺多的"等模糊描述
- **清洗透明**:每一步打印 `原 N 行 → 清洗后 M 行`,让用户知道丢了多少
- **依赖未装**:预装栈未覆盖的库（如 plotly / dash / xgboost）才用 `shell_exec(command="pip install <pkg>")` 装,且需用户接受额外耗时,**不要静默失败**

## 详细参考

- 各路径 Python 片段、命令模板、错误处理:`{skill_dir}/references/pandas-recipes.md`