Python数据分析（免费版）

概述

数据分析是业务决策与科研探索的核心环节，但很多初学者在面对一份新数据时不知从何下手：是先看分布还是先看缺失？该用柱状图还是饼图？相关系数多少才算强相关？本助手将数据分析流程标准化为"理解-清洗-分析-可视化-结论"五个阶段，帮助用户系统性地完成分析任务。

本免费版聚焦于日常业务与科研最高频的分析场景：数据清洗、描述性统计、分组聚合、基础可视化。每个阶段均提供可运行的 pandas 代码片段与设计要点。

核心能力

能力一：数据理解与质量评估

拿到数据后的第一件事不是急着分析，而是理解数据的整体情况。本助手提供数据概览模板，包括行列数、数据类型、缺失率、唯一值数等。

输入: 用户提供能力一：数据理解与质量评估所需的指令和必要参数。 处理: 解析能力一：数据理解与质量评估的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回能力一：数据理解与质量评估的响应数据,包含状态码、结果和日志。

能力二：数据清洗与预处理

真实数据往往存在缺失值、异常值、类型错误等问题。本助手提供常用的清洗模式与决策建议。

输入: 用户提供能力二：数据清洗与预处理所需的指令和必要参数。 处理: 解析能力二：数据清洗与预处理的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回能力二：数据清洗与预处理的响应数据,包含状态码、结果和日志。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

能力三：描述性统计分析

提供均值、中位数、分位数、方差等统计量计算，以及分组聚合、交叉表等分析模式。

输入: 用户提供能力三：描述性统计分析所需的指令和必要参数。 处理: 解析能力三：描述性统计分析的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回能力三：描述性统计分析的响应数据,包含状态码、结果和日志。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

能力四：基础可视化建议

根据数据类型与分析目的，推荐合适的图表类型并提供 matplotlib/seaborn 代码示例。

输入: 用户提供能力四：基础可视化建议所需的指令和必要参数。 处理: 解析能力四：基础可视化建议的输入参数,完成核心逻辑,返回结构化响应。 输出: 返回能力四：基础可视化建议的响应数据,包含状态码、结果和日志。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Python、统计分析与可视化、覆盖业务报表与科、研数据的快速处理、数据分析免费版是、一套面向独立开发、者与初级数据分析、数据处理知识库、帮助用户在日常工、作中快速完成数据、核心能力、提供缺失值处理、异常值识别、数据类型转换等清、相关性分析、分组聚合等分析方、折线图、柱状图、散点图、热力图等可视化建等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一：销售数据月度报表

每月初汇总上月销售数据，生成销售额、订单量、客单价等核心指标的趋势图与同比环比对比。

场景二：用户行为探索性分析

新上线的功能用户使用情况如何？通过分组聚合与可视化，发现用户行为模式与潜在问题。

场景三：科研数据预处理

实验数据需要进行清洗、归一化、异常值剔除后才能进入统计建模阶段。本助手提供标准化的预处理流程。

场景四：A/B 测试结果分析

对比两个 variant 的核心指标差异，计算显著性，给出结论建议。

不适用场景

以下场景Python数据分析(免费版)不适合处理：

• 实时流数据处理
• 小规模数据手动分析
• 非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

本助手为知识库型 Skill，无需安装额外依赖（假设已安装 Python 与 pandas）。直接在 Agent 对话中描述你的分析需求即可获取代码与建议。

典型提问模板：

输入格式

我有一份销售数据 CSV，包含日期、商品、金额、用户ID，帮我分析月度销售趋势

我的数据有 20% 的缺失值，该怎么处理？

我想对比两个用户群体的行为差异，用什么图表比较合适？

Agent 会根据需求匹配对应的分析模式，输出"数据理解 → 清洗建议 → 分析代码 → 可视化方案 → 结论模板"五段式回答。

示例

数据概览模板

import pandas as pd
# ...
def overview_data(df):
    """数据概览：规模、类型、缺失、分布"""
    print(f"数据规模: {df.shape[0]} 行, {df.shape[1]} 列")
    print(f"\n数据类型:\n{df.dtypes}")
    print(f"\n缺失率:\n{(df.isnull().mean() * 100).round(2)}")
    print(f"\n重复行: {df.duplicated().sum()}")
    print(f"\n数值字段统计:\n{df.describe()}")
    print(f"\n分类字段统计:\n{df.describe(include='object')}")
# ...
# 使用示例
df = pd.read_csv('sales.csv')
overview_data(df)

缺失值处理决策表

def handle_missing(df, col, strategy='auto'):
    """根据缺失率选择处理策略"""
    missing_rate = df[col].isnull().mean()
# ...
    if missing_rate == 0:
        return df
    elif missing_rate < 0.05:
        # 低缺失率：中位数填充（数值）或众数填充（分类）
        if df[col].dtype in ['int64', 'float64']:
            df[col].fillna(df[col].median(), inplace=True)
        else:
            df[col].fillna(df[col].mode()[0], inplace=True)
    elif missing_rate < 0.30:
        # 中等缺失率：标记 + 填充
        df[col + '_is_missing'] = df[col].isnull()
        df[col].fillna(df[col].median(), inplace=True)
    else:
        # 高缺失率：考虑删除列
        print(f"警告: {col} 缺失率 {missing_rate:.0%}，建议删除该列")
# ...
    return df

分组聚合分析

# 月度销售趋势
df['date'] = pd.to_datetime(df['date'])
df['month'] = df['date'].dt.to_period('M')
# ...
monthly = df.groupby('month').agg(
    revenue=('amount', 'sum'),
    orders=('order_id', 'count'),
    avg_order_value=('amount', 'mean')
).round(2)
# ...
print(monthly)

可视化推荐

最佳实践

实践一：先理解再清洗

不要一上来就填充缺失值。先理解数据来源与含义，某些缺失本身可能有业务含义（如"用户未填写"可能代表新用户）。

实践二：保留原始数据

清洗时建议新建列或新 DataFrame，保留原始数据。一旦发现清洗逻辑有误，可以快速回退。

实践三：异常值先调查再处理

异常值不一定是错误数据，可能是真实业务现象（如大客户订单）。处理前先与业务方确认，避免误删有价值的信息。

实践四：可视化先看整体再看细节

先用直方图、箱线图看整体分布，再用分组对比看细节。避免一上来就钻进细节而忽略全局模式。

实践五：结论要可执行

分析结论不应只描述"销售额下降了 20%"，而应给出"XX 类商品销售额下降是主因，建议关注 XX 环节"的可执行建议。

实践六：代码要可复现

使用函数封装常用分析逻辑，固定随机种子，确保他人能复现你的分析结果。

错误处理

常见问题

Q1：缺失值应该删除还是填充？

取决于缺失率与业务含义。缺失率 <5% 可填充；5%-30% 建议标记+填充；>30% 建议删除列。业务上有含义的缺失应保留为独立类别。

Q2：异常值如何识别？

常用方法：3σ 原则（正态分布）、IQR 法（箱线图）、业务规则（如金额为负）。识别后需人工判断是错误数据还是真实业务现象。

Q3：相关系数多少算强相关？

|相关系数|>0.7 为强相关，0.3-0.7 为中等相关，<0.3 为弱相关。但相关性不等于因果性，需结合业务逻辑判断。

Q4：什么数据适合什么图表？

时间序列用折线图，分类对比用柱状图，关系探索用散点图，分布形态用直方图，占比构成用饼图。避免用饼图展示超过 5 个类别。

Q5：pandas 处理大数据很慢怎么办？

考虑使用 dtype 优化（int64 降为 int32）、分类类型（category）、分块读取（chunksize）、或换用 polars / DuckDB 等更高效的库。

Q6：如何让图表更专业？

使用 seaborn 默认主题、统一配色方案、添加标题与轴标签、移除顶部右侧边框、合理设置图表尺寸。避免使用默认的 matplotlib 样式。

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux
• Python: 3.8+

依赖详情

API Key 配置

• 本免费版为纯知识库型 Skill，自身不需要 API Key
• 若分析涉及外部数据源 API（如数据库、云存储），相关凭据由用户自行配置于环境变量中
• 禁止在 SKILL.md 或脚本中硬编码数据源凭据

可用性分类

• 分类: MD+EXEC（纯Markdown指令，部分功能需要exec命令行执行Python代码）
• 说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent输出数据分析代码与建议

已知限制

本免费体验版限制以下高级功能：

• 机器学习建模与预测分析（仅专业版提供）
• 时间序列预测与季节性分解（仅专业版提供）
• 多维数据透视与交互式仪表盘（仅专业版提供）
• 大数据处理（Dask / Spark 集成）（仅专业版提供）
• 自动化报表生成与调度（仅专业版提供）

解锁全部功能请使用专业版：py-data-analyzer-pro

• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

输出格式

{
  "success": true,
  "data": {
    "result": "Python数据分析(免费版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "py data analyzer"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}