数据探索

查看数据结构、缺失值与分布,找出值得进一步分析的线索。

App 内可获取
放大镜查看叠放数据表中的缺失单元格与结构。

介绍

拿到一份陌生数据时,先了解它的结构和主要问题,再决定如何清洗、分析或建模。支持检查 CSV、TSV 和 JSON 中的字段类型、缺失情况、数据分布、异常线索,以及分组或时间划分中可能影响后续分析的问题。

提供数据文件、字段背景和关注的问题后,它会整理一份可复查的探索报告,说明检查范围、主要发现与建议的下一步,保留原始数据。需要时可用另一条分析路径交叉核对结果。基因组、医学影像等专业格式另有参考指南,不能直接当作已支持的自动解析格式;统计推断和因果判断也需要后续专门分析。

适用场景

  • 分析前给实验 CSV 建立缺失/类型/分组基线画像
  • 审计训练/测试切分与个体重复造成的泄漏风险
  • 评估离群值与不同变换下结论的敏感性
  • 对照表与新收数据做结构一致性核查(重复键、NaN)
#data#csv#profile#report

使用示例

示例用于说明请求与期望产物形态,不代表已完成的运行结果。

示例提示词

这份 trial.csv 在我授权的目录里:先确认格式在支持范围内,再看字段与缺失画像、condition 分组下按 subject_id 的泄漏检查,标识符保持脱敏。

预期产物

一份画像与泄漏检查报告,逐列说明缺失与类型情况;不支持的格式会指引下一步而不是硬读。

示例提示词

比较 measurement 列在取对数与截尾两种处理下的分布差异,只出有界报告,原始文件别动,处理建议列出来给我决定。

预期产物

两种处理下的对照统计、图示说明与边界样本清单;数据零改动。

要求与限制

安装平台
iOS: iOS · Android: Android
脚本运行
在任务环境中执行脚本
最低 App 版本
1.7.60
已审核的权限范围

iOS · Android

所需能力
远程执行环境读取工作区文件写入工作区文件
审核确认的工具
终端命令
已审核依赖
numpy==2.2.4 · pandas==2.2.3
审核结论
通过
审核阶段
来宾执行验收
审核日期
2026-10-27
实现与运行细节
适配阶段
frozen

iOS

调用工具
终端命令
所需能力
远程执行环境读取工作区文件写入工作区文件
实际运行环境
linux / riscv64 · guest-verified

Android

调用工具
终端命令
所需能力
远程执行环境读取工作区文件写入工作区文件
实际运行环境
linux / riscv64 · guest-verified

许可与来源

来源与追踪详情

许可

MIT

MIT (root LICENSE.md)

固定上游提交采用 MIT;完整许可与逐文件适配、素材核验记录保存在 references/licenses/,Floe 新增内容及合成样本另有标注。

图像与素材署名

图像署名
Floe 原创,AI 辅助示意图。
来源
https://github.com/K-Dense-AI/scientific-agent-skills
上游路径
skills/exploratory-data-analysis
上游固定提交
593377bb04
来源核对日期
2026-10-26
发布者
JiangNanGenius
发布提交(获取位置)
25e07dbeeb6cc93c2fe83ddc72a34302cc40832a
审计来源提交
84c524b6fb483e4cad94db076e7d9c9962966c19
签名目录摘要
iOS 46196ba57ed7ea7f22085e74b113207f31193e820ab8983cf7a60eee953f2340 · Android 16de89d019e2057804a40f215485ccb09d5495a25864b34d681168eeaf8f9697
发布快照导入 (UTC)
2026-10-31

发布提交 25e07dbeeb,审计来源 84c524b6fb;目录摘要 iOS 46196ba57ed7… · Android 16de89d019e2…。

版本与状态

版本记录随签名目录发布;以下为目标与已发布版本。

适配状态
已就绪
发布状态
精选技能已上线
深度适配
是
已发布版本
1.1.0