数据分析助手 Skill

快速进行数据清洗、统计分析和可视化。

核心功能

功能	描述
数据清洗	去重、填充、格式化
统计分析

描述统计、相关分析 | | 可视化 | 图表建议、代码生成 | | 报告生成 | 自动生成分析报告 |

使用方法

分析数据

分析这个 CSV 文件：sales.csv

数据清洗

清洗这个数据集，处理缺失值和异常值

生成图表

为这些数据生成折线图代码

Python 数据分析模板

读取数据

python
import pandas as pd

CSV

df = pd.read_csv(data.csv)

Excel

df = pd.readexcel(data.xlsx, sheetname=Sheet1)

JSON

df = pd.read_json(data.json)

数据库

import sqlite3 conn = sqlite3.connect(database.db) df = pd.read_sql(SELECT * FROM table, conn)

API

import requests response = requests.get(https://api.example.com/data) df = pd.DataFrame(response.json())

数据预览

python

基本信息

print(df.shape) # 行列数
print(df.columns) # 列名
print(df.dtypes) # 数据类型
print(df.info()) # 详细信息

查看数据

print(df.head()) # 前 5 行 print(df.tail()) # 后 5 行 print(df.sample(5)) # 随机 5 行

描述统计

print(df.describe()) # 数值列统计 print(df.describe(include=all)) # 所有列

数据清洗

python

处理缺失值

df.isnull().sum() # 统计缺失
df.dropna() # 删除缺失行
df.fillna(0) # 填充 0
df.fillna(df.mean()) # 填充均值
df[col].fillna(df[col].mode()[0]) # 填充众数

处理重复

df.duplicated().sum() # 统计重复 df.drop_duplicates() # 删除重复 df.drop_duplicates(subset=[col]) # 按列去重

数据类型转换

df[date] = pd.to_datetime(df[date]) df[price] = df[price].astype(float) df[category] = df[category].astype(category)

异常值处理

Q1 = df[col].quantile(0.25) Q3 = df[col].quantile(0.75) IQR = Q3 - Q1 df = df[(df[col] >= Q1 - 1.5IQR) & (df[col] <= Q3 + 1.5IQR)]

字符串处理

df[name] = df[name].str.strip() df[name] = df[name].str.lower() df[name] = df[name].str.replace(old, new)

统计分析

python

集中趋势

df[col].mean() # 均值
df[col].median() # 中位数
df[col].mode() # 众数

离散程度

df[col].std() # 标准差 df[col].var() # 方差 df[col].max() - df[col].min() # 极差

分布

df[col].skew() # 偏度 df[col].kurt() # 峰度 df[col].quantile([0.25, 0.5, 0.75]) # 分位数

相关分析

df.corr() # 相关矩阵 df.corr()[target] # 与目标的相关性

分组统计

df.groupby(category).agg({ sales: [sum, mean, count], profit: mean })

交叉表

pd.crosstab(df[col1], df[col2])

时间序列分析

python

日期处理

df[date] = pd.to_datetime(df[date])
df = df.set_index(date)

时间重采样

df.resample(D).sum() # 按天 df.resample(W).mean() # 按周 df.resample(M).sum() # 按月

滚动统计

df[rolling_mean] = df[col].rolling(window=7).mean() df[rolling_std] = df[col].rolling(window=7).std()

时间差

df[diff] = df[col].diff() df[pctchange] = df[col].pctchange()

季节分解

from statsmodels.tsa.seasonal import seasonal_decompose result = seasonal_decompose(df[col], model=additive, period=12) result.plot()

可视化代码

基础图表

python
import matplotlib.pyplot as plt
import seaborn as sns

设置中文

plt.rcParams[font.sans-serif] = [SimHei] plt.rcParams[axes.unicode_minus] = False

折线图

plt.figure(figsize=(10, 6)) plt.plot(df[date], df[value]) plt.title(趋势图) plt.xlabel(日期) plt.ylabel(数值) plt.show()

柱状图

plt.bar(df[category], df[value]) plt.xticks(rotation=45) plt.show()

散点图

plt.scatter(df[x], df[y], alpha=0.5) plt.xlabel(X) plt.ylabel(Y) plt.show()

直方图

plt.hist(df[value], bins=20, edgecolor=black) plt.xlabel(数值) plt.ylabel(频数) plt.show()

箱线图

sns.boxplot(data=df, x=category, y=value) plt.show()

热力图

sns.heatmap(df.corr(), annot=True, cmap=coolwarm, center=0) plt.show()

高级图表

python

分组柱状图

df_grouped = df.groupby([category, type])[value].sum().unstack()
df_grouped.plot(kind=bar, figsize=(12, 6))
plt.legend(title=类型)
plt.show()

小提琴图

sns.violinplot(data=df, x=category, y=value) plt.show()

配对图

sns.pairplot(df[[col1, col2, col3, category]], hue=category) plt.show()

时间序列

fig, ax = plt.subplots(figsize=(14, 6)) ax.plot(df.index, df[value], label=实际值) ax.plot(df.index, df[rolling_mean], label=7日均值, linestyle=--) ax.fill_between(df.index, df[lower], df[upper], alpha=0.2) ax.legend() plt.show()

分析报告模板

python
def generate_report(df):
生成数据分析报告
report = f

数据分析报告

1. 数据概览

• - 数据量：{len(df)} 行 × {len(df.columns)} 列
• 时间范围：{df[date].min()} 至 {df[date].max()}
• 缺失值：{df.isnull().sum().sum()} 个

2. 关键指标

• - 总销售额：¥{df[sales].sum():,.2f}
• 平均订单：¥{df[sales].mean():,.2f}
• 最高订单：¥{df[sales].max():,.2f}
• 最低订单：¥{df[sales].min():,.2f}

3. 分布特征

• - 偏度：{df[sales].skew():.2f}
• 峰度：{df[sales].kurt():.2f}
• 标准差：{df[sales].std():,.2f}

4. Top 5 类别

{df.groupby(category)[sales].sum().sortvalues(ascending=False).head().tomarkdown()}

5. 趋势分析

• - 环比增长：{df[sales].pct_change().mean()*100:.2f}%
• 月均销售额：¥{df.resample(M, on=date)[sales].sum().mean():,.2f}

6. 建议

1. 1. 重点推广 Top 3 类别
2. 优化低转化品类
3. 关注季节性波动

return report

注意事项

• - 大数据集注意内存使用
• 处理前备份数据
• 结果需要业务验证
• 可视化要简洁清晰

---

创建：2026-03-12