資料清理與探索分析

來源狀態

可用來源

原始作者: IHKREDDY

這是第三方 Community Skill；2lus 收錄不代表已完整安全審計或保證安全。

資源類型

Skill

與類似 Skill 有什麼不同？

• XLSX 試算表

  XLSX 著重工作簿、公式與表格交付；Data Analysis 著重資料探索、清理與分析推論。

來源描述的能力

這些是來源描述的可能操作，不代表 2lus 已授予權限或已測試。

尚未列出能力，請審查原始來源。

這個 Skill 是什麼？

面向 CSV、Excel、JSON 的探索分析流程，先確認欄位與缺失，再討論洞察；不是自動證明因果。

可以做什麼？何時適合使用？

• 整理銷售月份趨勢。
• 比較產品或區域分布。
• 定位缺失值和異常資料。

如何使用

1. 提供獲准使用的資料及欄位定義。
2. 盤點型別、缺失與重複，先提清理策略。
3. 輸出摘要和合適圖表，記錄排除資料及不確定性。

使用前你需要準備

• 去識別化資料與欄位說明
• 資料庫引擎或工作簿規格

你可以替換：

[database]、[table]

環境與相依需求

• 來源要求 Python 3.8+、pandas、numpy、matplotlib、seaborn；進階統計使用 scipy，Excel/資料庫需相應讀取依賴。

使用範例與 Prompt

以下是 2lus 撰寫的示範需求；請替換為你有權處理的檔案與專案，不代表已執行或保證結果。

入門

檢查 sales.csv 的欄位、缺失與重複，先不要刪資料。

實務

分析月度銷售與 Top Products，先提出異常值處理方式，再產生保留排除紀錄的報告。

進階

比較不同區域的季節性趨勢，標示樣本不均與缺失偏差，說明圖表和統計方法限制，不推論未證實因果。

實用提醒

• 先記錄日期時區、幣別和分母定義。

限制與注意事項

• 統計關聯不是因果；來源範例須依套件版本調整。

安全注意事項

• 保留原檔；不載入不可信 pickle、不上傳個資，清理資料先確認規則。

使用與設定

此條目不提供已確認的通用安裝指令；請依官方文件與 Agent 版本操作。

支援平台

未確認特定 Agent 相容性

來源與授權

來源查核日期（非安全認證）: 2026-09-29

MIT

相關 Skills

• XLSX 試算表
• 一手來源技術研究

Source status

Active source

Original author: IHKREDDY

This is a third-party community skill. Inclusion by 2lus is not a complete security audit or safety guarantee.

Resource type

Skill

How is this different from similar skills?

• XLSX

  XLSX focuses on workbooks, formulas and spreadsheet delivery; Data Analysis focuses on exploration, cleaning and analytical reasoning.

Documented capabilities

These are operations described upstream, not permissions granted or tested by 2lus.

Capabilities not declared here; review the original source.

What is this skill?

Explore CSV, Excel and JSON with explicit cleaning assumptions; descriptive findings are not causal proof.

Use cases and when to use it

• Summarize monthly sales.
• Compare product or regional distributions.
• Locate missing and unusual records.

How to use it

1. Provide authorized data and field definitions.
2. Inventory types, missingness and duplicates; propose cleaning rules first.
3. Report summaries and charts with exclusions and uncertainty.

What you need

• Redacted data and column definitions
• Database engine or workbook specification

You can replace:

[database], [table]

Environment and dependencies

• Upstream specifies Python 3.8+, pandas, numpy, matplotlib and seaborn; scipy for advanced statistics and matching Excel/database readers.

Usage and prompt examples

These example requests were written by 2lus. Substitute files and projects you may use; examples are not executed results or guarantees.

Beginner

Inspect sales.csv for columns, missingness and duplicates without dropping data.

Practical

Analyze monthly revenue and top products after proposing outlier rules; retain an exclusion log.

Advanced

Compare regional seasonal trends, flag sampling/missingness bias and explain chart/statistical limits without claiming causality.

Tips

• Record timezone, currency and denominator definitions.

Limitations

• Correlation is not causation; adapt examples to installed package versions.

Security notes

• Preserve inputs; avoid untrusted pickle, personal-data uploads and unapproved deletion rules.

Usage and setup

No verified universal installation command is provided for this entry. Follow the official documentation for your agent version.

Supported agents

Specific agent compatibility unknown

Sources and license

Source check date (not a safety certification): 2026-09-29

MIT

Related skills

• XLSX
• Primary Source Research