AIKraft/Skills/exploratory-data-analysis

exploratory-data-analysis

Выполняет локальный разведывательный анализ (EDA) поддерживаемых научных файлов: CSV/TSV/JSON, NumPy, HDF5, FASTA/FASTQ, изображений. Проверяет пропуски, утечки, выбросы и чувствительность трансформаций. Остальные форматы — справочно, неизвестные — блокируются.

KDK-Dense official Данные ★ 47.7k

Что делает навык

Выполняет локальный разведывательный анализ (EDA) поддерживаемых научных файлов (CSV, TSV, JSON, NumPy, HDF5, FASTA/FASTQ, изображений), проверяя пропуски, утечки, выбросы и чувствительность трансформаций. Skill предоставляет детерминированные агрегатные отчеты без модификации исходных данных и без сетевых вызовов.

Когда применять

  • Проверка структуры и качества табличных данных (CSV/TSV/JSON) перед моделированием.
  • Анализ метаданных и базовых характеристик файлов NumPy (NPY/NPZ) и HDF5 без загрузки значений.
  • Оценка качества последовательностей (FASTA/FASTQ) и метаданных изображений (PNG/JPEG/TIFF) через стриминг или инспекцию.
  • Аудит пропусков и потенциальных утечек данных между группами или временными интервалами.
  • Генерация безопасных отчетов EDA с токенизированными идентификаторами для соблюдения конфиденциальности.

Как работает

  1. Подтвердить авторизацию и указать корневую директорию (--root); заблокировать файлы вне неё.
  2. Запустить manifest-инструмент для проверки статуса файла (automated core, optional или reference-only).
  3. Выполнить соответствующий скрипт анализа (eda_analyzer, tabular_profile, missingness_leakage_audit и др.) с ограничениями по объему.
  4. Прочитать соответствующую справочную документацию по формату, если требуется контекст.
  5. Создать каркас отчета (report_scaffold) и заполнить его агрегатными данными, избегая прямых идентификаторов.
  6. Интерпретировать результаты как exploratory, не делая причинно-следственных выводов и не импутя данные автоматически.

Примеры запросов агенту

Выполни разведывательный анализ файла data.csv из директории /approved/project, проверь пропуски и выбросы.
Проверь метаданные файла изображения image.ome.tiff с помощью image_inspector, не декодируя пиксели.
Запусти аудит утечек данных для data.csv, указав колонки для групп, субъектов и временных меток.

Что понадобится

  • Python 3.12+ (для NumPy 2.5.3 и tifffile) или 3.13 для изолированного окружения.
  • Установленные пакеты: numpy, h5py, biopython, pillow, tifffile (опционально pandas/polars).
  • Локальная директория с авторизованными файлами; доступ к скриптам из репозитория skills.

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «k-dense-ai-exploratory-data-analysis» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r k-dense-ai-exploratory-data-analysis/ ~/.claude/skills/k-dense-ai-exploratory-data-analysis/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.