Data Analyst Cn

核心用法

该 skill 是面向数据分析师、产品经理和运营的 Python 数据分析助手，核心功能覆盖数据全生命周期：

1. 数据接入与预览：提供 CSV/Excel/JSON/数据库/API 等多源数据读取模板，以及 shape、info、describe 等快速数据探查方法。

2. 数据清洗：系统化处理缺失值（删除/均值/众数填充）、重复值去重、数据类型转换、IQR 法异常值剔除及字符串标准化。

3. 统计分析：支持描述统计（均值/中位数/标准差/偏度/峰度）、相关矩阵、分组聚合（groupby/agg）、交叉表等标准分析范式。

4. 时间序列分析：包含日期解析、重采样（日/周/月）、滚动窗口统计、差分与百分比变化、季节分解等时序专用工具。

5. 可视化生成：基于 matplotlib/seaborn 提供折线图、柱状图、散点图、箱线图、热力图、小提琴图、配对图等代码模板，含中文显示配置。

6. 自动化报告：内置可复用的报告生成函数模板，自动输出数据概览、关键指标、分布特征、Top 排名及业务建议。

显著优点

• 模板即最佳实践：所有代码片段均遵循 pandas/pythonic 规范，可直接生产使用
• 场景覆盖全面：从原始数据到可视化报告，形成完整闭环
• 中文环境预配置：解决 matplotlib 中文乱码痛点
• 业务导向设计：报告模板融入销售额、转化率等商业指标

局限性与风险

• 执行依赖本地 Python 环境：需预先安装 pandas/numpy/matplotlib/seaborn/statsmodels
• 大数据集内存瓶颈：未提供分块读取（chunksize）或 Dask 分布式方案
• 统计深度有限：缺少假设检验、回归建模、机器学习等进阶分析
• 安全空白：安全认证报告显示"未执行安全扫描"，代码注入风险未评估

适合人群

初级至中级数据分析师、需快速产出数据洞察的产品与运营人员、Python 数据分析学习者。

常规风险

• 直接执行未经验证的代码可能覆盖原始数据
• 自动填充策略（如均值填充）可能扭曲数据分布
• 异常值剔除标准（1.5×IQR）需结合业务判断

核心用法

本 Skill 为纯 Markdown 文档型数据分析助手，内置完整的 Python 数据科学工作流代码模板，涵盖数据读取（CSV/Excel/JSON/SQL/API）、数据清洗（缺失值、异常值、去重、类型转换）、描述统计、时间序列分析、可视化（Matplotlib/Seaborn）及自动化报告生成。用户可直接复制代码片段到本地 Python 环境执行，或通过自然语言指令（如"清洗这个数据集""生成折线图代码"）获取对应模板。

显著优点

1. 即拿即用：300+ 行经过验证的代码模板，覆盖 90% 日常数据分析场景，省去查文档时间。
2. 中文优化：内置中文字体配置、中文标签示例，开箱即支持中文可视化。
3. 安全透明：纯文档无执行代码，所有操作均在用户本地环境完成，数据不出境。
4. 结构清晰：按功能模块（清洗/统计/可视化/报告）组织，快速定位所需代码。

局限性与风险

• 非交互式：Skill 本身不执行代码，需用户具备 Python 基础环境配置能力。
• 无实时计算：无法直接处理用户上传的数据文件，仅提供代码建议。
• 依赖本地环境：pandas、matplotlib 等库版本差异可能导致代码需微调。
• 业务验证责任：模板生成的统计结论需用户结合业务场景二次验证，不可直接作为决策依据。

适合人群

数据分析师、产品经理、运营人员、Python 初学者、教学场景。尤其适合需要快速获取标准代码范式、而非从零编写分析脚本的用户。

常规风险提示

1. 数据备份：清洗代码（如 dropna、drop_duplicates）会直接修改数据，建议操作前备份。
2. 异常值谨慎处理：IQR 法则删除异常值可能损失真实业务信息，建议结合业务判断。
3. API 示例安全：文档中包含 api.example.com 占位 URL，实际使用时需替换为合法数据源，注意 API 密钥管理。