Community程式設計與開發github.com

采矿数据准备

将分散的采矿监测和试验记录整理为可直接分析的数据:对齐时间、测点、单位和工况,识别数据质量问题,并保留清洗前后的对应关系。适用于多仪器数据合并、试验数据整理、监测数据清洗和分析前检查。

采矿数据准备 是什麼?

此技能旨在解决采矿监测和试验数据因来源分散、格式不统一而无法直接比较的问题。它通过多源对齐、有依据的清洗和可回溯的处理过程,帮助用户将原始记录转换为可直接用于分析的数据集。该技能支持多平台(如Claude Code、Cursor等)操作,强调根据分析目标灵活选择处理粒度,并保留原始值与变换依据,以便复核和重复处理。工作流程包括识别记录粒度与字段含义、使用本地画像工具检查数据质量、按规则清洗与转换、核对处理影响并交付可用数据。它能有效处理重复、缺测、漂移和单位问题,但明确指出清洗不代表工程状态正常,异常现象应留给后续分析。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/79109/agent-skills-test/tree/HEAD/skill/mining-data-preparation

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

採礦數據準備

解決「檔案能打開,但數據不能直接比較」的問題,讓多來源記錄在保留現場變化的前提下進入後續分析。

核心能力

  • 多源對齊:把儀器輸出、測點臺帳和採掘日誌按時間、空間及對象關聯。
  • 有依據地清洗:識別重複、缺測、漂移和單位問題,避免把真實工程異常當噪聲消掉。
  • 處理過程可回查:保留原始值、變換依據和記錄映射,支持複核及重複處理。

開始時

先了解數據將用於繪圖、統計比較、異常識別還是建模,再檢查檔案結構、欄位含義和覆蓋範圍。處理粒度由分析目標決定;已有數據規範優先沿用,不強制轉換為統一模板。

工作流程

  1. 識別記錄粒度、欄位含義與下游分析用途。
  2. 先用本地畫像工具查看欄位、缺測、重複和時間覆蓋,再結合工況解釋問題。
  3. 根據明確規則在副本上轉換、關聯或清洗,保留原始值和記錄映射。
  4. 核對處理影響,交付可用數據和仍限制分析的問題。

按需使用資源

交付

有實際檔案時,交付可分析的數據副本及必要的欄位說明、問題標記和簡潔處理記錄。若只需要檢查,則聚焦影響分析的主要問題和修正建議。輸出格式沿用用戶工作流,不為了展示而重複生成多套數據。

清洗完成不等於工程狀態正常;原始記錄中的異常現象應留給後續分析和複核。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相關技能