# python-panel-data

Скилл python-panel-data для Claude Code помогает готовить на Python модели фиксированных и случайных эффектов, DiD и таблицы результатов. Анализирует панельные данные.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 163 установки · ★ 675 у репозитория
- Автор: Awesome Econ AI Community
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/meleantonio/awesome-econ-ai-stuff/tree/HEAD/_skills/analysis/python-panel-data/SKILL.md
- Обновлён: 2026-09-26
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/python-panel-data

## Что делает

Скилл помогает написать код для анализа панельных данных: загрузить и очистить их через `pandas`, задать индекс панели и оценить модель с помощью `PanelOLS` или `RandomEffects` из `linearmodels`. Он также помогает интерпретировать коэффициенты и подобрать диагностические проверки. Результаты можно оформить в таблицу или экспортировать в LaTeX.

Перед генерацией кода скилл уточняет единицу наблюдения, идентификаторы панели, переменные, нужные эффекты и способ кластеризации стандартных ошибок. Это важно: при неверных идентификаторах или уровне кластеризации вывод модели может оказаться неуместным. Для работы нужны Python 3.10+ и пакеты `pandas`, `linearmodels`, `statsmodels`; установка пакетов — `pip install pandas linearmodels statsmodels`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add meleantonio/awesome-econ-ai-stuff --skill python-panel-data -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add meleantonio/awesome-econ-ai-stuff --skill python-panel-data -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add meleantonio/awesome-econ-ai-stuff --skill python-panel-data -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install meleantonio/awesome-econ-ai-stuff _skills/analysis/python-panel-data
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add meleantonio/awesome-econ-ai-stuff --skill python-panel-data -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/meleantonio/awesome-econ-ai-stuff --path _skills/analysis/python-panel-data
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add meleantonio/awesome-econ-ai-stuff --skill python-panel-data -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/meleantonio/awesome-econ-ai-stuff/tree/HEAD/_skills/analysis/python-panel-data/SKILL.md

## Когда брать
- оценить модель с фиксированными эффектами для объектов и времени
- провести DiD-анализ панельных данных
- задать кластеризацию стандартных ошибок на нужном уровне
- подготовить таблицу регрессии или экспорт в LaTeX
- проверить панельные идентификаторы и пропущенные значения

## Примеры запросов агенту
- Оцени модель с фиксированными эффектами для объектов и лет, кластеризуй стандартные ошибки по объектам.
- Проведи DiD-анализ с эффектами штатов и лет и объясни ключевые коэффициенты.
- Подготовь таблицу результатов панельной регрессии и экспортируй её в LaTeX.

## Похожие
- [data-jupyter-python](https://affpapa.org/nevibecode/skills/data-jupyter-python.md) — скилл · 913 установок
- [data-analysis](https://affpapa.org/nevibecode/skills/lingzhi227-data-analysis.md) — скилл · 2100 установок
- [data-analysis-jupyter](https://affpapa.org/nevibecode/skills/data-analysis-jupyter.md) — скилл · 1600 установок
- [tooluniverse-data-wrangling](https://affpapa.org/nevibecode/skills/tooluniverse-data-wrangling.md) — скилл · 245 установок
- [ifc-data-extraction](https://affpapa.org/nevibecode/skills/ifc-data-extraction.md) — скилл · 195 установок
- [data-scientist](https://affpapa.org/nevibecode/agents/data-scientist.md) — субагент · 3342 установки

Из того же набора: [meleantonio/awesome-econ-ai-stuff](https://affpapa.org/nevibecode/by/meleantonio/awesome-econ-ai-stuff.md) — 12 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
