dataset-quality-audit — скилл для Claude Code: проверка данных
Скилл проверяет табличные файлы на пропуски, дубликаты и другие проблемы качества. Пригодится перед анализом или загрузкой данных.
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a claude-codeЧто делает dataset-quality-audit
Скилл запускает проверку по 12 направлениям: ищет пропуски, дубликаты строк, смешанные типы, выбросы, проблемы формата и согласованности столбцов. Также оценивает названия столбцов, пустые значения, кардинальность и перекос числовых распределений. В отчёт входят оценки по направлениям, общий балл, буквенная оценка и предложения по исправлению.
Для проверки используется скрипт scripts/data_quality_checker.py. Он принимает CSV, TSV, Excel и JSON; отчёт можно вывести в JSON-файл через --output. Для проверки уникальности можно передать --id-columns, а для дат — --date-columns; без этих параметров скрипт пытается определить столбцы автоматически.
Перед запуском нужны Python 3.8+, pandas и numpy. Установите зависимости командой pip install pandas numpy; без них скрипт не запустится.
Какие задачи решает
- найти пропуски и дублирующиеся строки в таблице
- проверить типы значений и форматы столбцов
- обнаружить выбросы и постоянные столбцы
- оценить качество набора данных перед использованием
- получить JSON-отчёт с подсказками по очистке
Примеры запросов агенту
- Проверь качество данных в
data.csvи сохрани отчёт вreport.json. - Найди дубли по
user_idи проверь формат дат вcreated_atиupdated_atфайлаorders.csv. - Оцени пропуски, выбросы и несогласованные значения в
data.tsv.
Как установить dataset-quality-audit
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a claude-code2Вручную: положить файлы
~/.claude/skills/dataset-quality-audit/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/dataset-quality-audit/
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a codex2Вручную: положить файлы
.agents/skills/dataset-quality-audit/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a cursor2Вручную: положить файлы
.cursor/skills/dataset-quality-audit/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install zebbern/claude-code-guide dataset-quality-audit2Вручную: положить файлы
.github/skills/dataset-quality-audit/SKILL.md1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a gemini-cli2Командой платформы
gemini skills install https://github.com/zebbern/claude-code-guide --path skills/dataset-quality-auditВручную: положить файлы
.devin/skills/dataset-quality-audit/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о dataset-quality-audit
Как установить dataset-quality-audit в Claude Code?
Выполните npx skills add zebbern/claude-code-guide --skill dataset-quality-audit -a claude-code. Файл скилла находится по пути ~/.claude/skills/dataset-quality-audit/SKILL.md.
Что делает dataset-quality-audit?
Проверяет табличные данные по 12 направлениям и формирует оценки, общую буквенную оценку и предложения по исправлению. Результат можно сохранить в JSON.
Какие зависимости нужны для dataset-quality-audit?
Нужны Python 3.8+, pandas и numpy. Установить библиотеки можно командой pip install pandas numpy.
Исходный текст
SKILL.md · MIT
---
name: dataset-quality-audit
description: "Run comprehensive quality checks on tabular data (CSV/Excel/TSV/JSON), detecting missing values, duplicates, outliers, format issues, and type inconsistencies to produce an overall score, grade, and actionable suggestions. Triggered when users ask to check data quality, find missing or duplicate values, detect outliers, validate formats, profile data, or clean data."
license: MIT
---
# dataset-quality-audit
A data quality auditing tool that runs 12-dimension quality checks on tabular data, producing per-dimension scores (0–100), an overall grade, and actionable fix suggestions.
## Capabilities
| Dimension | Description |
|-----------|-------------|
| Missing Values | Count and percentage of null/NaN values per column |
| Duplicate Rows | Number and percentage of fully duplicated rows |
| Type Consistency | Mixed types within a single column (e.g., numbers mixed with text) |
| Value Range / Outliers | Outlier detection using the IQR method |
| Format Compliance | Consistency of date, email, phone number, and other formatted fields |
| Uniqueness Constraints | Whether ID-type columns contain duplicates |
| Whitespace Issues | Leading/trailing spaces, empty strings, whitespace-only values |
| Constant Columns | Columns with only a single unique value (zero information) |
| Distribution Skewness | Whether numeric columns have excessive skewness |
| Column Naming | Spaces, special characters, or inconsistent casing in column names |
| Cardinality Anomalies | Unusually high or low number of unique values |
| Cross-Column Consistency | Logical checks across columns (e.g., start date before end date) |
## Quick Start
```bash
# Basic quality check
python3 scripts/data_quality_checker.py data.csv
# Save report as JSON
python3 scripts/data_quality_checker.py data.csv --output report.json
# Specify ID columns (for uniqueness checks)
python3 scripts/data_quality_checker.py users.csv --id-columns "user_id,email"
# Specify date columns (for format checks)
python3 scripts/data_quality_checker.py orders.csv --date-columns "created_at,updated_at"
```
## Detailed Usage
### Basic Invocation
```bash
python3 scripts/data_quality_checker.py <data-file> [options]
```
### Parameters
| Parameter | Short | Required | Default | Description |
|-----------|-------|----------|---------|-------------|
| `input` | — | Yes | — | Path to input file (CSV/TSV/Excel/JSON) |
| `--output` | `-o` | No | stdout | Path for the JSON report output |
| `--id-columns` | `-id` | No | Auto-detect | Comma-separated column names that should be unique |
| `--date-columns` | `-dc` | No | Auto-detect | Comma-separated column names containing dates |
| `--sample` | `-s` | No | All rows | Number of rows to sample (useful for large files) |
| `--encoding` | `-e` | No | utf-8 | File encoding |
## Output Format (JSON)
```json
{
"file": "data.csv",
"rows": 10000,
"columns": 15,
"overall_score": 78.5,
"grade": "B",
"dimensions": {
"missing_values": {
"score": 85.0,
"issues": [
{"column": "age", "missing_count": 150, "missing_pct": 1.5, "suggestion": "Fill with median or mode"}
]
},
"duplicates": {
"score": 95.0,
"issues": [...]
}
},
"top_suggestions": [
"Column 'age' has 1.5% missing values — consider filling with the median",
"Found 200 fully duplicated rows — consider deduplication"
]
}
```
## Grading Scale
| Grade | Score Range | Meaning |
|-------|------------|---------|
| A+ | 95–100 | Excellent quality — ready for use as-is |
| A | 90–95 | Good quality — minor issues only |
| B | 80–90 | Moderate quality — recommended to fix before use |
| C | 60–80 | Poor quality — significant cleaning required |
| D | 40–60 | Very poor quality — many issues need attention |
| F | 0–40 | Essentially unusable — requires re-collection or major cleanup |
## Dependencies
- Python 3.8+
- pandas
- numpy
```bash
pip install pandas numpy
```
© zebbern · MIT · zebbern/claude-code-guide