К основному содержанию
скилл CX Codex

python-repl — скилл для Claude Code: что делает и как установить

Набор готовых функций и шаблонов для интерактивной работы с Python REPL. Помогает быстро анализировать датафреймы и профилировать код.

MIT 1 установок ★ 4 491 обновлён 2026-10-29

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add gptme/gptme --skill python-repl -a claude-code
Открыть на GitHub

Что делает python-repl

Скилл подключает скрипт python_helpers.py для интерактивной среды IPython. Внутри собраны функции inspect_df и describe_object для быстрого изучения объектов и таблиц, утилита quick_plot для графиков, а также декоратор time_function для замера времени выполнения.

Для работы в окружении требуются установленные пакеты ipython, numpy и pandas. Без них вызовы готовых функций завершатся ошибкой импорта. Скилл также настраивает параметры отображения pandas вроде display.max_rows.

Какие задачи решает

  • быстро изучить срез данных через inspect_df
  • замерить время выполнения функции с помощью декоратора time_function
  • провести интроспекцию незнакомого объекта через describe_object
  • настроить стандартный импорт библиотек для интерактивной сессии

Примеры запросов агенту

  • Изучи датафрейм df с помощью функции inspect_df.
  • Замерь скорость работы функции через декоратор time_function.
  • Построй быстрый график для данных с помощью quick_plot.

Как установить python-repl

1Через Skills CLI (Vercel)

npx skills add gptme/gptme --skill python-repl -a claude-code

2Вручную: положить файлы

~/.claude/skills/python-repl/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/python-repl/

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

Вопросы о python-repl

Как установить python-repl в Claude Code?

Выполните команду npx skills add gptme/gptme --skill python-repl -a claude-code.

Что делает скилл python-repl?

Он добавляет набор утилит из python_helpers.py для анализа данных и профилирования функций в интерактивной сессии Python.

Какие зависимости нужны для работы python-repl?

В окружении Python должны быть установлены пакеты ipython, numpy и pandas из файла requirements.txt.

Исходный текст

SKILL.md · MIT
---
name: python-repl
description: Interactive Python REPL automation with common helpers and best practices
---

# Python REPL Skill

Enhances Python REPL workflows with bundled utility functions for data analysis, debugging, and performance profiling.

## Overview

This skill bundles Python REPL helpers, common imports, and execution patterns for efficient Python development in gptme.

## Bundled Scripts

### Helper Functions (python_helpers.py)

This skill includes bundled utility functions for common Python tasks:
- Data inspection (inspect_df, describe_object)
- Quick plotting (quick_plot)
- Performance profiling (time_function)
- Common imports setup (setup_common_imports)

## Usage Patterns

### Data Analysis
When working with data, automatically import common libraries and set up display options:

```python
import numpy as np
import pandas as pd

pd.set_option("display.max_rows", 100)
```

### Debugging
Use bundled helpers for debugging:

```python
from python_helpers import inspect_df, describe_object

inspect_df(df)  # Quick dataframe overview
describe_object(obj)  # Object introspection
```

## Dependencies

Required packages are listed in `requirements.txt`:
- ipython: Interactive Python shell
- numpy: Numerical computing
- pandas: Data manipulation

## Best Practices

1. **Use helpers**: Leverage bundled helper functions instead of reimplementing
2. **Import once**: Common imports are handled by pre-execute hook
3. **Profile performance**: Use time_function for performance-sensitive code

## Examples

### Quick Data Analysis
```python
# Helpers auto-import pandas, numpy
df = pd.read_csv("data.csv")
inspect_df(df)  # Show overview
```

### Performance Profiling
```python
from python_helpers import time_function


@time_function
def slow_operation():
    # Your code here
    pass
```

## Related

- Tool: ipython

© gptme · MIT · gptme/gptme

Похожие скиллы

Все скиллы по теме «Языки программирования» →
data-jupyter-python Mindrally Скилл data-jupyter-python задаёт агенту правила работы с pandas, numpy, matplotlib и seaborn: векторизация вместо циклов, воспроизводимые ноутбуки, аккуратные графики. CX Codex +1 913установок Pandas Data Analysis pluginagentmarketplace Скилл Pandas Data Analysis для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode — учит агента работать с Pandas, NumPy и Matplotlib. Покрывает загрузку данных, очистку, агрегацию и построение графиков. CX Codex +1 1 100установок pandas sanjeed5 Задаёт стиль работы с pandas: векторизация вместо циклов, явные .loc и .iloc, экономные типы данных. Помогает агенту избежать медленного кода с iterrows и неоптимальными индексациями. CX Codex +1 ★ 3 589звёзд репо dataverse-python-advanced-patterns официальный github Скилл dataverse-python-advanced-patterns направляет GitHub Copilot на генерацию Python-кода для Dataverse с обработкой ошибок, пакетными операциями и OData-запросами. CX Codex +1 9 213установок python Mindrally Задаёт агенту стиль Python-кода: PEP 8, type hints, ранние возвраты и async для I/O. Агент применяет его при написании и правке кода в проекте. CX Codex +1 1 100установок dask K-Dense-AI Скилл учит агента работать с Dask: датафреймы, массивы и задачи, которые не влезают в память или считаются на кластере. CX Codex +1 2 200установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой