Data Analysis
Профилирование датасета: статистика полей, корреляции, аномалии и рекомендации.
Загружай этот скилл когда нужно разобраться в данных: понять типы полей,
распределения, пропуски, корреляции между числовыми полями и что стоит почистить
перед анализом или моделированием.
🎯 When to use
Use this skill when:
- Есть CSV или JSON-массив объектов и нужен профиль датасета (EDA)
- Нужно понять типы полей, пропуски, распределения и выбросы
- Просят «проанализировать данные», «почитать данные», «сделать EDA»
- Нужны корреляции между числовыми полями и рекомендации по очистке данных
Do NOT use when:
- Нужен SQL-запрос к базе данных — это
sql-helper
- Нужна обработка CSV как таблицы (фильтры, join, преобразования) — это
csv-pro
- Нужны графики/визуализации — скрипт выдаёт текстовый отчёт (markdown/JSON), не картинки
📦 Files
SKILL.md — этот файлscripts/data_analyze.py — профилировщик датасета (Python 3 stdlib)references/canonical-patterns.md — эталонные EDA-паттерны канонических инструментов
Canonical analogues
Эталонные EDA-паттерны и gap-анализ скрипта против канонических инструментов —
в references/canonical-patterns.md. Топ-аналоги:
- ydata-profiling — эталонная структура отчёта (Overview/Alerts/Variables/Correlations/Missing/Sample) и алерты качества с порогами.
- sweetviz — целевой анализ (target_feat) и mixed-type ассоциации (uncertainty coefficient, correlation ratio).
- DuckDB SUMMARIZE — профилирование одной SQL-командой: min/max/approx_unique/avg/std/q25/q50/q75/null_percentage.
- D-Tale — интерактивный GUI: Describe, Outlier Detection, Duplicates, Missing Analysis, Predictive Power Score.
- skimr / DataExplorer (R) — консольное профилирование по типам и метрики introduce() (memory_usage, complete_rows).
🧰 Usage
# CSV → markdown-отчёт (по умолчанию):
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv
# JSON-массив объектов → markdown-отчёт:
python3 skills/data-analysis/scripts/data_analyze.py --input data.json
# JSON-отчёт (для программного использования):
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv --output json
# Топ-5 значений вместо 10 и свой заголовок:
python3 skills/data-analysis/scripts/data_analyze.py --input data.csv --top 5 --title "Продажи 2026"
🔬 Проверка результата
- Markdown-отчёт содержит секции: Размер, Типы, Статистика, Корреляции, Аномалии, Рекомендации.
- JSON-отчёт — зеркало тех же секций: ключи
rows, fields, correlations, anomalies, recommendations.
- Числовые поля: min/max/mean/std, медиана, мода, топ-N значений, гистограмма из 5 корзин.
- Корреляции: таблица 3 сильнейших парных коэффициентов Пирсона (по полным парам, без numpy).
- Аномалии: разреженные (>90% пропусков), нулевая дисперсия, высокая кардинальность строк, правосторонний перекос.
- При неисправимой ошибке (файл не найден, невалидный JSON, пустой датасет) скрипт пишет причину в stderr
и завершается с кодом 1; предупреждения (смешанный тип поля, пропущенные элементы) работу не прерывают.