К основному содержанию
скилл CX Codex

Exploratory Data Analysis — скилл для Claude Code: разбор данных

Скилл для первичного разбора датасета: профилирование, распределения, корреляции и поиск выбросов на Python. Пригодится в начале проекта, до построения модели.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add aj-geddes/useful-ai-prompts --skill exploratory-data-analysis -a claude-code
Открыть на GitHub

Что делает Exploratory Data Analysis

Скилл задаёт агенту порядок работы с новым датасетом: сначала профиль данных, потом графики. Внутри — готовые блоки на Python с pandas, numpy, matplotlib и seaborn: размер таблицы, типы колонок, пропуски, дубликаты, describe(), гистограммы, ящики с усами, тепловая карта корреляций и pairplot.

Дальше идёт то, что обычно забывают на глазок: скошенность и эксцесс по каждой числовой колонке, перцентили, разбивка по группам через groupby, корреляция признаков с целевой переменной, поиск выбросов по правилу IQR и автоматический вывод инсайтов. Скилл отдельно напоминает про подводные камни: не интерпретировать паттерны на маленькой выборке, не игнорировать предметный контекст, фиксировать находки письменно.

Чтобы код заработал, в окружении нужны pandas, numpy, matplotlib и seaborn — они импортируются в примерах. На выходе получается набор артефактов: отчёт о качестве данных, сводная статистика с графиками, список аномалий и гипотезы для проверки. Это повод не тащить сырую таблицу сразу в модель.

Какие задачи решает

  • понять структуру незнакомого датасета до моделирования
  • найти пропуски и дубликаты в таблице
  • посмотреть распределения числовых колонок
  • отловить выбросы по правилу IQR
  • собрать гипотезы для дальнейшей проверки

Примеры запросов агенту

  • Проведи EDA по customer_data.csv: профиль, распределения, корреляции
  • Найди выбросы и пропуски в этом датасете и опиши, что с ними делать
  • Собери отчёт о качестве данных с графиками для стейкхолдеров

Как установить Exploratory Data Analysis

1Через Skills CLI (Vercel)

npx skills add aj-geddes/useful-ai-prompts --skill exploratory-data-analysis -a claude-code

2Вручную: положить файлы

~/.claude/skills/exploratory-data-analysis/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/exploratory-data-analysis/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о Exploratory Data Analysis

Как установить Exploratory Data Analysis в Claude?

Выполните npx skills add aj-geddes/useful-ai-prompts --skill exploratory-data-analysis -a claude-code. Скилл появится в ~/.claude/skills/exploratory-data-analysis/SKILL.md.

Что делает этот скилл?

Ведёт агента по шагам разведочного анализа: профилирование таблицы, распределения, корреляции, выбросы и генерация гипотез на Python.

Что нужно для работы скилла?

В примерах используются pandas, numpy, matplotlib и seaborn, поэтому эти библиотеки должны быть в окружении.

Исходный текст

SKILL.md · MIT
---
name: Exploratory Data Analysis
description: Discover patterns, distributions, and relationships in data through visualization, summary statistics, and hypothesis generation for exploratory data analysis, data profiling, and initial insights
---

# Exploratory Data Analysis (EDA)

## Overview

Exploratory Data Analysis (EDA) is the critical first step in data science projects, systematically examining datasets to understand their characteristics, identify patterns, and assess data quality before formal modeling.

## Core Concepts

- **Data Profiling**: Understanding basic statistics and data types
- **Distribution Analysis**: Examining how variables are distributed
- **Relationship Discovery**: Identifying patterns between variables
- **Anomaly Detection**: Finding outliers and unusual patterns
- **Data Quality Assessment**: Evaluating completeness and consistency

## When to Use

- Starting a new dataset analysis
- Understanding data before modeling
- Identifying data quality issues
- Generating hypotheses for testing
- Communicating insights to stakeholders

## Implementation with Python

```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# Load and explore data
df = pd.read_csv('customer_data.csv')

# Basic profiling
print(f"Shape: {df.shape}")
print(f"Data types:\n{df.dtypes}")
print(f"Missing values:\n{df.isnull().sum()}")
print(f"Duplicates: {df.duplicated().sum()}")

# Statistical summary
print(df.describe())
print(df.describe(include='object'))

# Distribution analysis - numerical columns
fig, axes = plt.subplots(2, 2, figsize=(12, 8))
df['age'].hist(bins=30, ax=axes[0, 0])
axes[0, 0].set_title('Age Distribution')

df['income'].hist(bins=30, ax=axes[0, 1])
axes[0, 1].set_title('Income Distribution')

# Box plots for outlier detection
df.boxplot(column='age', by='region', ax=axes[1, 0])
axes[1, 0].set_title('Age by Region')

# Categorical analysis
df['category'].value_counts().plot(kind='bar', ax=axes[1, 1])
axes[1, 1].set_title('Category Distribution')
plt.tight_layout()
plt.show()

# Correlation analysis
numeric_df = df.select_dtypes(include=[np.number])
correlation_matrix = numeric_df.corr()

plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('Correlation Matrix')
plt.show()

# Multivariate relationships
sns.pairplot(df[['age', 'income', 'education_years']], diag_kind='hist')
plt.show()

# Skewness and kurtosis
print("\nSkewness:")
print(numeric_df.skew())
print("\nKurtosis:")
print(numeric_df.kurtosis())

# Percentile analysis
print("\nPercentiles for Age:")
print(df['age'].quantile([0.25, 0.5, 0.75, 0.95, 0.99]))

# Missing data patterns
missing_pct = (df.isnull().sum() / len(df) * 100)
missing_pct[missing_pct > 0].sort_values(ascending=False)

# Value count analysis
print("\nCustomer Types Distribution:")
print(df['customer_type'].value_counts(normalize=True))

# Advanced EDA: Groupby analysis
print("\nGroupBy Analysis:")
print(df.groupby('region')[['age', 'income']].agg(['mean', 'median', 'std']))

# Correlation with target variable
if 'target' in df.columns:
    target_corr = df.corr()['target'].sort_values(ascending=False)
    print("\nFeature Correlation with Target:")
    print(target_corr)

# Data type breakdown
print("\nData Type Summary:")
print(df.dtypes.value_counts())

# Unique value count
print("\nUnique Value Counts:")
print(df.nunique().sort_values(ascending=False))

# Variance analysis
print("\nVariance per Feature:")
numeric_cols = df.select_dtypes(include=[np.number]).columns
for col in numeric_cols:
    variance = df[col].var()
    print(f"  {col}: {variance:.2f}")

# Distribution patterns
for col in df.select_dtypes(include=[np.number]).columns:
    skew = df[col].skew()
    kurt = df[col].kurtosis()
    print(f"{col} - Skew: {skew:.2f}, Kurtosis: {kurt:.2f}")

# Bivariate analysis
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
df.groupby('region')['income'].mean().plot(kind='bar', ax=axes[0])
axes[0].set_title('Average Income by Region')
df.groupby('category')['age'].mean().plot(kind='bar', ax=axes[1])
axes[1].set_title('Average Age by Category')
plt.tight_layout()
plt.show()

# Summary statistics profile
print("\nComprehensive Data Profile:")
profile = {
    'Variable': df.columns,
    'Type': df.dtypes,
    'Non-Null Count': df.count(),
    'Null Count': df.isnull().sum(),
    'Unique Values': df.nunique(),
}
profile_df = pd.DataFrame(profile)
print(profile_df)
```

## Advanced EDA Techniques

```python
# Step 15: Interaction analysis
import itertools

numeric_cols = df.select_dtypes(include=[np.number]).columns
interaction_strengths = []

for col1, col2 in itertools.combinations(numeric_cols[:5], 2):
    interaction_score = abs(df[col1].corr(df[col2]))
    interaction_strengths.append({
        'Pair': f"{col1} × {col2}",
        'Correlation': interaction_score,
    })

interaction_df = pd.DataFrame(interaction_strengths).sort_values('Correlation', ascending=False)
print("\nTop Interactions:")
print(interaction_df.head())

# Step 16: Outlier summary
for col in numeric_cols:
    Q1, Q3 = df[col].quantile([0.25, 0.75])
    IQR = Q3 - Q1
    outliers = df[(df[col] < Q1 - 1.5*IQR) | (df[col] > Q3 + 1.5*IQR)]
    if len(outliers) > 0:
        print(f"\n{col}: {len(outliers)} outliers detected ({len(outliers)/len(df)*100:.1f}%)")

# Step 17: Generate automated insights
print("\n" + "="*60)
print("AUTOMATED DATA INSIGHTS")
print("="*60)

for col in numeric_cols:
    skewness = df[col].skew()
    mean_val = df[col].mean()
    median_val = df[col].median()

    if abs(skewness) > 1:
        direction = "right" if skewness > 0 else "left"
        print(f"{col}: Highly {direction}-skewed distribution")

    if abs(mean_val - median_val) > 0.1 * median_val:
        print(f"{col}: Mean and median differ significantly")

print("="*60)
```

## Key Questions to Ask

1. What are the data dimensions and types?
2. How are key variables distributed?
3. What patterns exist between variables?
4. Are there obvious data quality issues?
5. What outliers or anomalies exist?
6. What hypotheses can we generate?

## Best Practices

- Start with data profiling before visualization
- Check data types and missing values early
- Visualize distributions before jumping to analysis
- Document interesting findings and anomalies
- Create summaries for stakeholder communication
- Use domain knowledge to interpret patterns

## Common Pitfalls

- Skipping data quality checks
- Over-interpreting patterns in small datasets
- Ignoring domain context
- Insufficient data visualization
- Not documenting findings systematically

## Deliverables

- Data quality report with missing values and duplicates
- Summary statistics and distribution charts
- Correlation and relationship visualizations
- List of notable patterns and anomalies
- Hypotheses for further investigation
- Data cleaning recommendations

© aj-geddes · MIT · aj-geddes/useful-ai-prompts

Похожие скиллы

Все скиллы по теме «Данные и базы» →
analytics-data-analysis Mindrally Задаёт агенту правила работы с pandas, matplotlib и seaborn: как чистить датасет, строить графики и оформлять Jupyter-ноутбук. CX Codex +1 1 100установок exploratory-data-analysis davila7 Скилл для Claude, который определяет формат научного файла и собирает отчёт о структуре, качестве и дальнейших шагах анализа. 279установок seaborn K-Dense-AI Скилл для Claude Code и других агентов: тот строит статистические графики на seaborn из pandas DataFrame, с готовыми рецептами под распределения, регрессии и тепловые карты. CX Codex +1 2 100установок data-visualization официальный anthropics Подбирает подходящие типы графиков под структуру данных и генерирует код на Python с matplotlib, seaborn и plotly. Пригодится при подготовке отчётов. CX Codex +1 13 800установок statistical-analysis официальный anthropics Скилл задаёт правила описательной статистики и поиска аномалий. Пригодится при разборе продуктовых метрик и числовых распределений. CX Codex +1 4 600установок

Из того же набора118

sql-query-optimization Скилл разбирает медленные SQL-запросы в PostgreSQL и MySQL: план выполнения, индексы, переписывание. Пригодится, когда запрос тормозит, а непонятно почему. CX Codex +1 520установок kpi-dashboard-design Помогает выбрать метрики и собрать дашборд, который показывает выполнение целей. Пригодится, когда нужен отчёт для руководства или мониторинг процессов. CX Codex +1 520установок ML Model Training Скилл для обучения моделей машинного обучения: классификация, регрессия и кластеризация на scikit-learn, PyTorch и TensorFlow. CX Codex +1 515установок Neural Network Design Помогает проектировать нейросети: CNN, RNN, трансформеры, ResNet на PyTorch и TensorFlow. Пригодится, когда нужно собрать архитектуру под задачу. CX Codex +1 514установок prometheus-monitoring Скилл для настройки Prometheus: конфиг скрейпинга, кастомные метрики приложений, правила алертов и service discovery. CX Codex +1 510установок interaction-design Скилл для проектирования взаимодействий: анимации, состояния загрузки и ошибок, отклик на нажатия. Пригодится, когда интерфейс работает, но ощущается сухим. CX Codex +1 505установок webhook-development Скилл для проектирования вебхуков: доставка событий, проверка подписи, ретраи и обработка недоставленных сообщений. CX Codex +1 504установок react-native-app Скилл ведёт агента по сборке кроссплатформенных мобильных приложений на React Native: навигация, состояние, запросы к API. CX Codex +1 503установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой