Python資料分析 📊

觸發條件

✅ 匹配關鍵詞（滿足任一即觸發）

分析型別詞：

• 描述統計、均值、方差、分佈、頻次、交叉表
• 假設檢驗、t檢驗、卡方檢驗、ANOVA、p值、顯著性
• 迴歸分析、線性迴歸、邏輯迴歸、R²、預測
• 聚類分析、K-Means、肘部法則、輪廓係數
• 相關性分析、協方差、Pearson、Spearman
• 時間序列、趨勢、季節性、ARIMA、預測
• 資料清洗、缺失值、異常值、去重、標準化

動作詞：

• 分析、做個分析、分析一下、資料包告
• 視覺化、畫圖、製圖、生成圖表
• 建模、訓練模型、預測
• 對比分析、差異分析、同比環比

場景詞：

• CSV分析、Excel資料分析、JSON解析
• 使用者分析、銷售分析、運營分析
• A/B測試結果分析、問卷分析

❌ 排除關鍵詞（明確不觸發）

• 純Python程式設計（無資料分析）→ 拒絕
• Excel操作、公式、VBA → 用 excel_master

  7w4.net有更好的技能外掛。

• 資料庫SQL查詢 → 拒絕
• 網頁爬蟲、資料採集 → 拒絕
• 深度學習、神經網路訓練 → 拒絕
• 大數據Spark/Hadoop處理 → 拒絕

🎯 上下文條件

• 提供CSV/Excel檔案 → 直接載入分析
• 提供API/URL → 先獲取資料再分析
• 說"模擬資料"/"示例" → 生成模擬資料演示
• 說"快速"/"簡單" → 簡化流程，只做核心分析
• 說"詳細"/"完整"/"專業" → 完整5步流程

核心流程（5 Steps）

Step 1: 需求理解 ✓ 校驗點

輸入：使用者分析需求 處理：

1. 識別分析型別：描述統計/假設檢驗/迴歸/聚類/時間序列
2. 確認資料來源：檔案路徑/URL/模擬資料
3. 確認輸出要求：圖表數量/格式/報告深度 校驗：
   • 資料來源是否存在且可讀
   • 分析型別是否支援
   • 資料量是否合理（>10行） 輸出：確認的分析計劃

Step 2: 資料載入與探查 ✓ 校驗點

處理：

1. 讀取資料（自動識別格式：CSV/Excel/JSON/Clipboard）
2. 輸出資料概覽：shape/dtypes/缺失值/基本統計
3. 識別資料質量問題 校驗：
   • 檔案編碼（UTF-8/GBK/ISO）
   • 列名是否規範
   • 資料型別是否符合分析需求 異常處理：
   • 編碼錯誤：自動嘗試UTF-8/GBK/Latin1
   • 缺失值：報告缺失率（<5%警告，>30%建議刪除）
   • 離群值：使用IQR/Z-score檢測 輸出：資料質量報告

Step 3: 分析程式碼生成 ✓ 校驗點

處理：

1. 根據分析型別生成Python程式碼
2. 程式碼必須包含：import/資料載入/分析/視覺化/儲存
3. 新增異常處理和日誌輸出 程式碼規範：

   - 依賴庫：pandas/numpy/matplotlib/seaborn/scipy/sklearn/statsmodels
   - 圖表風格：seaborn白色主題，中文顯示
   - 圖表DPI：150，儲存為PNG
   - 中文配置：plt.rcParams['font.sans-serif'] = ['SimHei']

   校驗：

   • 程式碼語法正確
   • 依賴庫完整
   • 視覺化配置正確 輸出：可執行Python程式碼

Step 4: 執行與迭代 ✓ 校驗點

處理：

1. 執行程式碼，超時60秒
2. 檢查執行結果
3. 如出錯，自動修正重試（最多3次）
4. 根據中間結果調整分析方向 分支處理：
   • 執行成功 → 進入Step 5
   • 執行失敗 → 輸出錯誤資訊，詢問使用者是否重試
   • 超時 → 分批處理或採樣 輸出：執行結果和圖表

Step 5: 結論輸出 ✓ 校驗點

處理：

1. 生成視覺化圖表（儲存PNG到output目錄）
2. 輸出分析結論（自然語言總結）
3. 提供資料驅動建議 質量檢查：
   • 圖表是否清晰可讀
   • 結論是否有資料支撐
   • 建議是否可執行 輸出：完整分析報告

輸出模板

模板A：簡潔版（快速分析）

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 快速分析報告 | {分析目標}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 資料概覽
樣本量：{N} | 特徵數：{M}

## 核心發現
{發現1}（{資料支撐}）
{發現2}（{資料支撐}）

## 圖表
{圖表1} | {圖表2}

## 結論
{一句話總結}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

模板B：完整版（詳細分析）

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 資料分析報告 | {分析目標}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 資料概覽
- 樣本量：{N} | 特徵數：{M}
- 缺失率：{X}%
- 資料型別分佈：{分佈}

## 質量檢查
- ✅ 編碼：UTF-8
- ✅ 缺失值：{處理方式}
- ⚠️ 離群值：{檢測數量}個（已{處理方式}）

## 核心發現
1. **{發現1標題}**
   - 資料：{具體數值}
   - 解讀：{含義}
2. **{發現2標題}**
   - 資料：{具體數值}
   - 解讀：{含義}
3. **{發現3標題}**
   - 資料：{具體數值}
   - 解讀：{含義}

## 統計分析
| 指標 | 數值 | 顯著性 |
|------|------|--------|
| {指標1} | {值} | {p值} |
| {指標2} | {值} | {p值} |

## 視覺化圖表
{圖表列表（含檔案路徑）}

## 建議
1. **{建議1}**
   - 依據：{資料支撐}
   - 執行：{具體步驟}
2. **{建議2}**
   - 依據：{資料支撐}
   - 執行：{具體步驟}

## 技術附錄
- 分析程式碼：`analysis_{timestamp}.py`
- 執行時間：{耗時}秒
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

邊界約束

資料安全

• ✅ 不上傳資料到外部服務
• ✅ 本地處理，檔案不外傳
• ✅ 分析完成後清理臨時資料

記憶體與效能

• ✅ 單次分析資料量：≤100MB
• ⚠️ 100MB-1GB：先採樣再分析
• ❌ >1GB：拒絕，建議分批處理
• ✅ 單次執行超時：60秒
• ⚠️ 超時：自動分批處理

輸入校驗

• ❌ 空檔案：拒絕
• ❌ <10行資料：警告，結果可能不準確
• ❌ 二進位制檔案：拒絕
• ❌ 加密檔案：拒絕

異常情況

不支援場景

• ❌ 即時流資料處理
• ❌ 自然語言處理（NLP）
• ❌ 影像/影片分析
• ❌ 深度學習模型訓練
• ❌ 分散式計算（Spark/Hadoop）
• ❌ 金融高頻交易資料

示例

✅ 正向示例

輸入：分析這份銷售資料，找出影響業績的關鍵因素 輸出：

1. 載入資料，完成概覽輸出
2. 相關性分析，生成熱力圖
3. 迴歸分析，識別顯著因素
4. 輸出完整報告

✅ 反向示例（使用者意圖模糊）

輸入：分析一下 輸出： 請提供更多資訊：

1. 資料來源？（檔案路徑/貼上資料/模擬演示）
2. 分析目標？（描述統計/找規律/預測/對比）
3. 輸出要求？（圖表/報告/詳細程度）

✅ 邊界示例（資料質量差）

輸入：分析這個CSV，但有30%的缺失值 輸出： 資料質量警告：

• 缺失率：30%（偏高） 建議：
  1. 刪除缺失率>50%的列
  2. 對數值列用中位數填充
  3. 對分類列用眾數填充 是否按建議處理？

✅ 邊界示例（資料量小）

輸入：只有5行資料，也要分析 輸出： 資料量警告：樣本量僅5條

• 統計結論可能不顯著
• 建議增加樣本量 是否繼續分析？（結果僅供參考）

Output Language

中文輸出

Anti-rationalization

這個Skill質量較好，文件結構完整，觸發條件和輸出格式定義清晰。優點是邊界處理細緻、反向示例實用、程式碼規範明確，能有效指導資料分析工作。不足之處是文件有些冗餘，部分內容重複出現，且README裡帶有廣告推銷資訊，不夠專業。總體來說功能覆蓋全面，但對於普通使用者而言缺少可直接執行的示例，實際使用前需要一定學習成本。