Data Analyzer — 数据分析助手

功能说明

对数据文件进行统计分析，生成报告和可视化。

使用方法

1. 基础统计分析

用户: 分析 data.csv 文件，计算各列的统计指标

执行步骤：

1. 读取CSV文件
2. 识别数值列和分类列
3. 计算统计指标：
   • 数值列：均值、中位数、标准差、最小值、最大值
   • 分类列：唯一值数量、最高频值
4. 输出统计报告

2. 数据分布分析

用户: 分析 sales.csv 中 amount 列的分布情况

执行步骤：

1. 读取数据
2. 计算分位数（Q1, Q2, Q3）
3. 识别异常值
4. 生成分布描述

3. 相关性分析

用户: 分析 data.csv 中 price 和 sales 的相关性

执行步骤：

1. 提取两列数据
2. 计算相关系数
3. 绘制散点图（可选）
4. 解释相关性含义

4. 数据清洗

用户: 清洗 data.csv，处理缺失值和异常值

执行步骤：

1. 检测缺失值
2. 检测异常值（IQR方法或Z-score）
3. 提供处理建议：
   • 缺失值：删除、填充均值/中位数/众数
   • 异常值：删除、替换为边界值
4. 执行清洗并输出结果

示例输出

数据分析报告 - data.csv

数据概览:
- 行数: 1,000
- 列数: 5
- 缺失值: 12 (0.24%)

数值列统计:
| 列名 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
|------|------|--------|--------|--------|--------|
| age  | 35.2 | 34     | 12.3   | 18     | 72     |
| income | 52.3K | 48K | 18.7K | 20K | 120K |

分类列统计:
| 列名 | 唯一值 | 最高频 |
|------|--------|--------|
| city | 15     | 北京 (23%) |
| gender | 2 | 男 (52%) |

依赖

• Python 3 + pandas（可选，用于高级分析）
• 基础分析无需额外依赖，使用内置工具即可