CSV Pro 是做什麼的？
CSV 檔案分析：欄位類型、統計數據、異常偵測。
當需要快速了解 CSV 內容時，請使用此技能： 欄位類型、數值範圍、缺失值、重複項與異常值。
🎯 使用時機
請在以下情況使用此技能：
- 有一個 CSV 檔案，需要了解其結構：欄位類型、最小值/最大值/平均值、唯一值
- 需要在載入資料庫或 ML 管線前，檢查資料品質
- 接到「分析 CSV」、「CSV 品質檢查」、「CSV 異常」等要求
- 需要異常報告：空欄位、重複行、異常值、過長字串
請勿在以下情況使用：
- 需要完整的相關性分析與建議 — 請使用
data-analysis - 需要對資料執行 SQL 查詢 — 請使用
sql-helper - 只需要計算行數或總和 — 使用
wc -l與awk更簡單
📦 檔案
SKILL.md— 本檔案scripts/csv_pro.py— CSV 分析器 (Python 3 標準函式庫)
🧰 使用方式
# 檔案 → Markdown 分析報告 (預設)：
python3 skills/csv-pro/scripts/csv_pro.py --input data.csv
# 檔案 → JSON：
python3 skills/csv-pro/scripts/csv_pro.py --input data.csv --output json
# 從標準輸入 (管線中直接使用)：
cat data.csv | python3 csv_pro.py --stdin
# 指定分隔符號：
python3 csv_pro.py --input data.csv --delimiter ';'
規範對應
完整規範模式參考 — references/canonical-patterns.md。
主要對應與其重點：
- ydata-profiling — 標準指標集 (偏度、峰度、分位數、MAD、無限計數器) 與 18 種警報類型。
- csvkit csvstat — CLI 標準：
csvstat data.csv --json，指標len與maxprecision。 - DuckDB SUMMARIZE — 具有近似分位數與
null_percentage的 SQL 分析。 - Great Expectations — 可驗證斷言字典 (63 個核心期望)。
- dataprep.EDA — 類型化洞見：零值、負值、固定長度、高基數。
🔬 結果驗證
- Markdown：「欄位」表格 (類型、唯一值、空值、最小值/最大值/平均值、前三大值) +「異常」章節。
- JSON：有效的 JSON，包含
columns與anomalies欄位 — 使用python3 -m json.tool驗證。 - 空白檔案：顯示「檔案為空」訊息，回傳碼 0。
- 檔案不存在：stderr 顯示錯誤訊息，回傳碼 1。