pandas-data-analysis 是做什么的？
精通使用Pandas、NumPy和Matplotlib进行数据操作、分析与可视化。
概述
该技能帮助用户利用Python生态中的核心库（Pandas、NumPy、Matplotlib）高效完成从数据加载、清洗、转换到分析和可视化的全流程。
适用平台
- Claude Code
- Cursor
- Codex
- 其他支持AI代理的编辑器或工具
安装与前置要求
在运行该技能前，请确保已安装以下Python库：
pip install pandas numpy matplotlib
使用示例
数据加载
import pandas as pd
df = pd.read_csv('data.csv')
数据探索
print(df.head())
print(df.describe())
print(df.info())
数据清洗
# 处理缺失值
df.dropna(inplace=True)
# 重命名列
df.rename(columns={'old_name': 'new_name'}, inplace=True)
数据可视化
import matplotlib.pyplot as plt
df['column'].hist()
plt.show()
常用代码模式
| 任务 | 代码 |
|---|---|
| 按列分组并计算均值 | df.groupby('group_col')['value_col'].mean() |
| 连接两个DataFrame | pd.merge(df1, df2, on='key') |
| 生成柱状图 | df.plot(kind='bar', x='cat_col', y='num_col') |
| 创建散点图 | plt.scatter(df['x'], df['y']) |
注意事项
- 确保数据文件路径正确，或使用相对路径。
- 对于大规模数据集，建议使用分块读取（
chunksize参数）或优化内存使用。 - Matplotlib图表默认显示在交互式环境中；若在AI代理内使用，可能需要调用
plt.savefig()保存图片。
贡献
欢迎提交问题或改进建议，请访问项目仓库。