技能介绍

它解决什么问题

把一份 CSV 丢给通用 AI 助手，常见的结果是 describe() 的输出加几句泛泛结论：没有 p 值，没有异常值排查，也没有对前提假设的说明，这类"分析"很难直接支撑决策。

data-analysis 针对的正是这个缺口。它让 Agent 走完一条完整的统计工作流：数据加载、描述性统计、趋势识别、相关性与假设检验、异常检测，最后汇总成结论，并在每一步留下可追溯的数字。

使用时需要提供数据集路径和分析目标，可选指定关注列、显著性水平（默认 alpha=0.05）以及是否启用时序方法。

核心能力与工作流

加载与画像：把 CSV、Excel、Parquet、JSON 读入 pandas DataFrame，检查 shape、列类型与内存占用，确认首尾行和编码没有结构性问题，避免静默解析错误污染后续所有结果。
描述性统计：数值列输出均值、中位数、标准差、偏度、峰度；类别列统计频次与众数，先为每个变量的分布建立基线。
趋势与模式：时序数据用滚动均值、百分比变化与季节性分解；非时序数据用 group-by 聚合与透视表，并标记单调趋势或周期性行为。
相关性与假设检验：计算 Pearson 与 Spearman 相关矩阵，在合适场景执行 t 检验、卡方检验、ANOVA，同时报告 p 值、置信区间与效应量。
异常检测：用 IQR 与 z-score 定位离群点，再结合业务语境判断它属于数据错误、罕见事件还是真实信号。
结论汇总：用平实语言总结关键发现，按业务影响排序，并显式写明样本量限制与混杂变量等 caveats。

底层依赖 pandas、scipy.stats、statsmodels 与 numpy。

适用边界与注意点

统计显著不等于业务重要，报告必须附上效应量。数据严重偏态（偏度绝对值超过 2）或样本量较小时，应改用对数变换、非参数检验与自助法。两个预测变量相关系数超过 0.9 时，要警惕多重共线性，考虑剔除其一或使用正则化模型。关键列缺失率超过 30% 时，插补会引入明显偏差，改用 complete-case 子集分析更稳妥。此外，时序分析要求平稳性，参数检验要求近似正态与观测独立，这些假设都应在结论中明确写出，而不是默认成立。