# exploratory-data-analysis

Проводит локальный первичный анализ научных файлов: таблиц, массивов NumPy и HDF5. Скилл готовит отчёты без выхода в сеть и защищает систему от исполнения непроверенного кода.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2100 установок · ★ 54652
- Автор: K-Dense-AI
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/exploratory-data-analysis/SKILL.md
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/skills/k-dense-ai-exploratory-data-analysis

## Что делает

Инструмент проверяет структуру таблиц, пропуски данных и чувствительность к преобразованиям перед обучением моделей. Базовые профили для CSV, TSV и строгого JSON работают на стандартной библиотеке Python. Если нужно разобрать массивы NPY, контейнеры HDF5, геномные последовательности FASTA/FASTQ или метаданные снимков TIFF, скилл задействует дополнительные библиотеки.

Работа идёт строго локально внутри каталога `--root`. Скрипты отклоняют символические ссылки, переход по путям через `..` и файлы крупнее 512 MiB, а стандартный порог составляет 64 MiB. Любое содержимое считается недоверенным: агент не исполняет макросы или встроенные объекты HDF5 и не выводит полные строки с исходными значениями.

Базовой части достаточно Python 3.11+, но для работы с NumPy и `tifffile` потребуется минимум Python 3.12. Любой неподдерживаемый формат сразу вызывает ошибку, поэтому запустить анализ на произвольном бинарнике без готового обработчика не выйдет.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/exploratory-data-analysis/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/exploratory-data-analysis/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills exploratory-data-analysis
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/exploratory-data-analysis/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/exploratory-data-analysis
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/exploratory-data-analysis/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis -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/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/exploratory-data-analysis/SKILL.md

## Когда брать
- проверить пропуски и признаки утечки целевой переменной в CSV или TSV
- проинспектировать размерности и типы данных в массивах NumPy и контейнерах HDF5
- оценить шкалу качества Phred и длины ридов FASTQ без вывода нуклеотидных цепочек
- проверить метаданные осей и страниц в микроскопических изображениях TIFF

## Примеры запросов агенту
- Проведи первичный анализ таблицы `data/train.csv` с корнем в `/approved/project`
- Проверь метаданные и структуру групп в файле `scans/sample.h5`
- Оцени распределение длин последовательностей и GC-состав в `reads/input.fasta`

## Похожие
- [xlsx](https://affpapa.org/nevibecode/skills/xlsx.md) — скилл · 187223 установки
- [google-agents-cli-observability](https://affpapa.org/nevibecode/skills/google-agents-cli-observability.md) — скилл · 511300 установок
- [caveman-evidence-review](https://affpapa.org/nevibecode/skills/caveman-evidence-review.md) — скилл · 104500 установок
- [migration](https://affpapa.org/nevibecode/skills/migration.md) — скилл · 103900 установок
- [performance-optimization](https://affpapa.org/nevibecode/skills/performance-optimization.md) — скилл · 65200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

## Другие версии с тем же именем
- [exploratory-data-analysis · davila7](https://affpapa.org/nevibecode/skills/exploratory-data-analysis.md) — 279 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 159 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

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