# analyzing-time-series

Скилл analyzing-time-series считает статистику по CSV с временным рядом и объясняет, стационарен ли он, есть ли сезонность и нужны ли разности — до того, как вы выберете модель прогноза.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 1 установка · ★ 1438 у репозитория
- Автор: https-deeplearning-ai
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/https-deeplearning-ai/sc-agent-skills-files/tree/HEAD/L4/custom_skills/analyzing-time-series/SKILL.md
- Обновлён: 2026-06-08
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/analyzing-time-series

## Что делает

Скилл прогоняет статистику по CSV с временным рядом и выдаёт отчёт до того, как вы возьмётесь за прогноз. На вход нужен файл с двумя колонками: дата и числовое значение. Имена скрипт угадывает сам; если в файле `ds` и `y`, задайте их флагами `--date-col` и `--value-col`.

Первый шаг — `python scripts/diagnose.py data.csv --output-dir results/`. В `results/` появятся `diagnostics.json` с метриками и `summary.txt` с выводами. Второй шаг по желанию: `python scripts/visualize.py data.csv --output-dir results/` рисует графики в `results/plots/`: ACF/PACF, декомпозицию, скользящие статистики, боксплоты по дню недели и месяцу. Запускать его нужно после диагностики, иначе картинки не сойдутся с тестами на стационарность.

Потом скилл отвечает по `references/interpretation.md`: ряд прогнозируемый или нет, сколько разностей брать, какой период сезонности. Для работы нужны `pandas`, `numpy`, `matplotlib`, `statsmodels` и `scipy` — без них скрипты не стартуют. Период сезонности можно задать через `--seasonal-period`, иначе он определяется автоматически.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add https-deeplearning-ai/sc-agent-skills-files --skill analyzing-time-series -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/analyzing-time-series/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/analyzing-time-series/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add https-deeplearning-ai/sc-agent-skills-files --skill analyzing-time-series -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/analyzing-time-series/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add https-deeplearning-ai/sc-agent-skills-files --skill analyzing-time-series -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/analyzing-time-series/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install https-deeplearning-ai/sc-agent-skills-files L4/custom_skills/analyzing-time-series
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/analyzing-time-series/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add https-deeplearning-ai/sc-agent-skills-files --skill analyzing-time-series -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/https-deeplearning-ai/sc-agent-skills-files --path L4/custom_skills/analyzing-time-series
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/analyzing-time-series/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add https-deeplearning-ai/sc-agent-skills-files --skill analyzing-time-series -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/https-deeplearning-ai/sc-agent-skills-files/tree/HEAD/L4/custom_skills/analyzing-time-series/SKILL.md

## Когда брать
- Понять, стационарен ли ряд, до выбора модели прогноза
- Определить период сезонности по данным, а не на глаз
- Решить, сколько разностей брать
- Собрать пачку диагностических графиков одним запуском
- Проверить, стоит ли вообще браться за прогноз этого ряда

## Примеры запросов агенту
- Проанализируй `sales.csv` и скажи, стационарный ли это ряд
- Запусти диагностику временного ряда из `data.csv`, результаты сложи в `results/`
- Построй графики по `temperature.csv` и объясни, нужна ли сезонная разность

## Похожие
- [Time Series Analysis](https://affpapa.org/nevibecode/skills/time-series-analysis.md) — скилл · 617 установок
- [cloud-monitoring-list-time-series-request](https://affpapa.org/nevibecode/skills/cloud-monitoring-list-time-series-request.md) — скилл · 4100 установок
- [skforecast-ai](https://affpapa.org/nevibecode/mcp/skforecast-ai.md) — MCP-сервер · ★ 52 у репозитория
- [aeon](https://affpapa.org/nevibecode/skills/aeon.md) — скилл · 52 установки
- [statsmodels](https://affpapa.org/nevibecode/skills/k-dense-ai-statsmodels.md) — скилл · 2400 установок
- [trend-analysis](https://affpapa.org/nevibecode/skills/trend-analysis.md) — скилл · 8 установок

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
