技能介绍

要解决的问题

科研数据文件常常是“黑盒”：拿到 .fastq、.h5ad、.czi、.parquet 后，先要知道它是什么格式、含哪些字段、适合用什么库读取、有没有缺失或异常。手动查文档、写读取脚本和做摘要统计，容易遗漏格式细节，也难以形成可复用的分析计划。exploratory-data-analysis 把这类前置工作标准化为一次可执行的 EDA。

技能如何工作

该技能以文件路径为输入，围绕格式识别、元数据提取、质量检查和报告生成展开：

文件类型检测：根据扩展名归类到化学分子、生物信息学、成像、光谱、组学或通用科学数据等类别。
加载格式信息：读取对应 references/*.md，获取典型数据、用例、Python 库和 EDA 方法，例如 pandas、h5py、biopython。
执行分析：对表格检查维度、缺失值、重复项和异常值；对序列检查长度、GC 含量和质量分数；对图像检查 X/Y/Z/C/T、位深和元数据；对数组检查 shape、dtype 和无效值。
输出报告：按 assets/report_template.md 生成 Markdown 报告，包含文件元数据、格式说明、统计摘要、关键发现、预处理建议、可视化和下一步分析方案。

适用边界与注意点

它适合分析前摸底和下游规划，而不是完整建模或深度统计检验。大型文件建议抽样、分块或内存映射读取；未知扩展名需要用户补充格式线索。若目标领域依赖专用库，需先安装 pysam、rdkit、tifffile 等依赖。对于多文件比较，应分别 EDA 后再做汇总，避免把不同来源的格式假设混在一起。