zclaw_openfang/skills/data-analysis/SKILL.md

name, description, triggers, tools

name	description	triggers	tools
data-analysis	数据分析和可视化 - 分析数据、生成统计、创建图表	分析数据 数据分析 统计 图表 可视化 数据报告 数据统计	bash read write

数据分析和可视化

分析数据、生成统计信息、创建数据可视化图表。

能力

• 数据统计：计算均值、中位数、标准差等
• 数据清洗：处理缺失值、异常值
• 数据转换：格式转换、数据聚合
• 趋势分析：识别数据趋势和模式
• 可视化建议：推荐合适的图表类型
• 报告生成：生成数据分析报告

工具依赖

• bash: 执行数据处理脚本（Python/Node.js）
• read: 读取数据文件
• write: 输出分析结果

支持的数据格式

格式	扩展名	说明
CSV	.csv	逗号分隔值
JSON	.json	JSON 数据
Excel	.xlsx	Excel 表格
TSV	.tsv	制表符分隔
YAML	.yaml/.yml	YAML 格式

常用分析方法

描述性统计

# 使用 pandas
import pandas as pd

df = pd.read_csv('data.csv')

# 基本统计
print(df.describe())

# 缺失值检查
print(df.isnull().sum())

数据聚合

# 分组统计
df.groupby('category').agg({
    'value': ['mean', 'sum', 'count']
})

时间序列分析

# 日期转换
df['date'] = pd.to_datetime(df['date'])

# 按时间聚合
df.set_index('date').resample('M').mean()

图表类型选择

数据类型	推荐图表	用途
对比	柱状图、条形图	比较不同类别
趋势	折线图、面积图	展示变化趋势
占比	饼图、环形图	显示部分与整体
分布	直方图、箱线图	展示数据分布
关系	散点图、气泡图	显示变量关系

示例用法

用户: 分析 data/sales.csv 文件，生成销售报告
助手: 读取并分析数据...

[使用 read 工具读取文件]
[使用 bash 执行 Python 分析脚本]

## 销售数据分析报告

### 数据概览
- 总记录数: 1,234 条
- 时间范围: 2024-01 至 2024-12
- 产品类别: 5 个

### 关键指标
| 指标 | 值 |
|------|-----|
| 总销售额 | ¥1,234,567 |
| 平均订单额 | ¥1,000 |
| 最高单笔 | ¥15,000 |
| 月均增长 | 12.5% |

### 趋势分析
- Q1: 缓慢增长
- Q2: 快速增长期
- Q3: 稳定期
- Q4: 年末冲刺

### 建议
1. 加强 Q2 营销投入
2. 优化低利润产品线
3. 关注客户复购率

输出规范

• 使用中文输出分析结果
• 表格使用 Markdown 格式
• 关键数据加粗标注
• 提供数据解读和建议
• 标注数据来源和时间范围