Install
openclaw skills install @qqyougitcom/mimo-python-data-analysisPython数据分析
拿到一堆数据不知道怎么分析？丢数据进来，自动生成Python分析代码并执行，输出可视化图表和结论。统计建模、时间序列、机器学习全覆盖。不用你会写代码，只要会提问就行。 触发词：数据分析、Python分析、统计分析、数据可视化、数据建模、回归分析、相关性分析、数据清洗、机器学习、聚类分析、预测分析、数据报告 排除：纯Python编程(无数据)、Excel操作(用excel_master)、数据库管理、网页爬虫
Python数据分析 📊
触发条件
✅ 匹配关键词（满足任一即触发）
分析类型词：
- 描述统计、均值、方差、分布、频次、交叉表
- 假设检验、t检验、卡方检验、ANOVA、p值、显著性
- 回归分析、线性回归、逻辑回归、R²、预测
- 聚类分析、K-Means、肘部法则、轮廓系数
- 相关性分析、协方差、Pearson、Spearman
- 时间序列、趋势、季节性、ARIMA、预测
- 数据清洗、缺失值、异常值、去重、标准化
动作词：
- 分析、做个分析、分析一下、数据报告
- 可视化、画图、制图、生成图表
- 建模、训练模型、预测
- 对比分析、差异分析、同比环比
场景词：
- CSV分析、Excel数据分析、JSON解析
- 用户分析、销售分析、运营分析
- A/B测试结果分析、问卷分析
❌ 排除关键词（明确不触发）
- 纯Python编程（无数据分析）→ 拒绝
- Excel操作、公式、VBA → 用 excel_master
- 数据库SQL查询 → 拒绝
- 网页爬虫、数据采集 → 拒绝
- 深度学习、神经网络训练 → 拒绝
- 大数据Spark/Hadoop处理 → 拒绝
🎯 上下文条件
- 提供CSV/Excel文件 → 直接加载分析
- 提供API/URL → 先获取数据再分析
- 说"模拟数据"/"示例" → 生成模拟数据演示
- 说"快速"/"简单" → 简化流程，只做核心分析
- 说"详细"/"完整"/"专业" → 完整5步流程
核心流程（5 Steps）
Step 1: 需求理解 ✓ 校验点
输入：用户分析需求 处理：
- 识别分析类型：描述统计/假设检验/回归/聚类/时间序列
- 确认数据来源：文件路径/URL/模拟数据
- 确认输出要求：图表数量/格式/报告深度 校验：
- 数据源是否存在且可读
- 分析类型是否支持
- 数据量是否合理（>10行） 输出：确认的分析计划
Step 2: 数据加载与探查 ✓ 校验点
处理：
- 读取数据（自动识别格式：CSV/Excel/JSON/Clipboard）
- 输出数据概览：
shape/dtypes/缺失值/基本统计 - 识别数据质量问题 校验：
- 文件编码（UTF-8/GBK/ISO）
- 列名是否规范
- 数据类型是否符合分析需求 异常处理：
- 编码错误：自动尝试UTF-8/GBK/Latin1
- 缺失值：报告缺失率（<5%警告，>30%建议删除）
- 离群值：使用IQR/Z-score检测 输出：数据质量报告
Step 3: 分析代码生成 ✓ 校验点
处理：
- 根据分析类型生成Python代码
- 代码必须包含：import/数据加载/分析/可视化/保存
- 添加异常处理和日志输出 代码规范：
- 依赖库：pandas/numpy/matplotlib/seaborn/scipy/sklearn/statsmodels
- 图表风格：seaborn白色主题，中文显示
- 图表DPI：150，保存为PNG
- 中文配置：plt.rcParams['font.sans-serif'] = ['SimHei']
校验：
- 代码语法正确
- 依赖库完整
- 可视化配置正确 输出：可执行Python代码
Step 4: 执行与迭代 ✓ 校验点
处理：
- 执行代码，超时60秒
- 检查执行结果
- 如出错，自动修正重试（最多3次）
- 根据中间结果调整分析方向 分支处理：
- 执行成功 → 进入Step 5
- 执行失败 → 输出错误信息，询问用户是否重试
- 超时 → 分批处理或采样 输出：执行结果和图表
Step 5: 结论输出 ✓ 校验点
处理：
- 生成可视化图表（保存PNG到output目录）
- 输出分析结论（自然语言总结）
- 提供数据驱动建议 质量检查：
- 图表是否清晰可读
- 结论是否有数据支撑
- 建议是否可执行 输出：完整分析报告
输出模板
模板A：简洁版（快速分析）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 快速分析报告 | {分析目标}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 数据概览
样本量：{N} | 特征数：{M}
## 核心发现
{发现1}（{数据支撑}）
{发现2}（{数据支撑}）
## 图表
{图表1} | {图表2}
## 结论
{一句话总结}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
模板B：完整版（详细分析）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 数据分析报告 | {分析目标}
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
## 数据概览
- 样本量：{N} | 特征数：{M}
- 缺失率：{X}%
- 数据类型分布：{分布}
## 质量检查
- ✅ 编码：UTF-8
- ✅ 缺失值：{处理方式}
- ⚠️ 离群值：{检测数量}个（已{处理方式}）
## 核心发现
1. **{发现1标题}**
- 数据：{具体数值}
- 解读：{含义}
2. **{发现2标题}**
- 数据：{具体数值}
- 解读：{含义}
3. **{发现3标题}**
- 数据：{具体数值}
- 解读：{含义}
## 统计分析
| 指标 | 数值 | 显著性 |
|------|------|--------|
| {指标1} | {值} | {p值} |
| {指标2} | {值} | {p值} |
## 可视化图表
{图表列表（含文件路径）}
## 建议
1. **{建议1}**
- 依据：{数据支撑}
- 执行：{具体步骤}
2. **{建议2}**
- 依据：{数据支撑}
- 执行：{具体步骤}
## 技术附录
- 分析代码：`analysis_{timestamp}.py`
- 执行时间：{耗时}秒
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
边界约束
数据安全
- ✅ 不上传数据到外部服务
- ✅ 本地处理，文件不外传
- ✅ 分析完成后清理临时数据
内存与性能
- ✅ 单次分析数据量：≤100MB
- ⚠️ 100MB-1GB：先采样再分析
- ❌ >1GB：拒绝，建议分批处理
- ✅ 单次执行超时：60秒
- ⚠️ 超时：自动分批处理
输入校验
- ❌ 空文件：拒绝
- ❌ <10行数据：警告，结果可能不准确
- ❌ 二进制文件：拒绝
- ❌ 加密文件：拒绝
异常情况
| 异常 | 处理方式 |
|---|---|
| 文件不存在 | 提示检查路径 |
| 编码错误 | 自动尝试多种编码 |
| 列名冲突 | 自动重命名 |
| 数据类型错误 | 尝试转换，失败则跳过 |
| 除零错误 | 返回NaN并提示 |
| 图表生成失败 | 输出纯文本表格替代 |
不支持场景
- ❌ 实时流数据处理
- ❌ 自然语言处理（NLP）
- ❌ 图像/视频分析
- ❌ 深度学习模型训练
- ❌ 分布式计算（Spark/Hadoop）
- ❌ 金融高频交易数据
示例
✅ 正向示例
输入：分析这份销售数据，找出影响业绩的关键因素 输出：
- 加载数据，完成概览输出
- 相关性分析，生成热力图
- 回归分析，识别显著因素
- 输出完整报告
✅ 反向示例（用户意图模糊）
输入：分析一下 输出： 请提供更多信息：
- 数据来源？（文件路径/粘贴数据/模拟演示）
- 分析目标？（描述统计/找规律/预测/对比）
- 输出要求？（图表/报告/详细程度）
✅ 边界示例（数据质量差）
输入：分析这个CSV，但有30%的缺失值 输出： 数据质量警告：
- 缺失率：30%（偏高） 建议：
- 删除缺失率>50%的列
- 对数值列用中位数填充
- 对分类列用众数填充 是否按建议处理？
✅ 边界示例（数据量小）
输入：只有5行数据，也要分析 输出： 数据量警告：样本量仅5条
- 统计结论可能不显著
- 建议增加样本量 是否继续分析？（结果仅供参考）
Output Language
中文输出
Anti-rationalization
| 借口 | 正确做法 |
|---|---|
| "数据量小，跳过数据质量检查直接分析" | 必须完成Step 2数据探查：输出shape/dtypes/缺失值/基本统计，即使数据量<100行也要执行 |
| "缺失值直接dropna删掉就好" | 必须先报告缺失率，<5%可删除，5-30%需评估填充策略，>30%必须告知用户并建议处理方案 |
| "图表用matplotlib默认样式就行" | 必须配置：seaborn白色主题、DPI=150、中文SimHei字体、合理的图表尺寸，禁止使用默认样式 |
| "分析结论写'数据整体呈上升趋势'就行" | 每条结论必须有具体数据支撑（数值+百分比），禁止无数据引用的笼统描述 |
| "代码报错了就告诉用户执行失败" | 执行失败必须自动修正重试（最多3次），常见错误（编码/类型转换/缺失值）应自动处理 |
| "相关性分析看看热力图就够了" | 如用户要求深度分析，必须补充统计检验（p值）、回归分析（R²）、异常值检测（IQR/Z-score） |
| "数据量超过100MB，拒绝分析" | 100MB-1GB应自动采样分析并在报告中说明采样策略，只有>1GB才拒绝并建议分批方案 |