Roma

Data Analysis Workflow

資料分析v1.0.0
作者:Roma更新於 2026-05-11data-analysis-workflow@clawhub_earthwalking/data-analysis-workflow
資料視覺化報表生成資料洞察#Data Analysis

據 AlphaMoat 統計,截至 2026-10,Data Analysis Workflow 累計下載 9,081 次、獲 3 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 3,045 位,在「資料分析」分類(915 個)中排名第 294 位。

列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。

累計下載
9081
星標
3
全站下載量排名
#3,045
全站前 28% · 「資料分析」前 33%
平台累計下載星標評論
ClawHub ↗1334--
SkillHub ↗90813—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

整合 data-analysis、statistical-analysis、scientific-visualization 及 pandas、scipy、seaborn、matplotlib,從匯入、清理和探索到實驗或調查資料檢驗、圖表與 APA 報告。選擇檢驗前需檢查適用的正態性、變異數同質性和獨立性,報告效應量與信賴區間;相關不能直接解釋為因果,範例統計結果不代表使用者資料。

資料釋出於 2026-10-26

可以用來做什麼

  • 分析實驗或問卷資料

什麼時候用

  • 已有資料且需要規範統計流程時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

先檢查這份實驗資料的假設條件,再選擇檢驗並報告效應量

月度資料趨勢

累計下載9081
0489097802026-03 · 累計下載 3382026-05 · 累計下載 18212026-06 · 累計下載 23752026-07 · 累計下載 32592026-08 · 累計下載 41722026-09 · 累計下載 55362026-10 · 累計下載 908126-0326-0926-10
星標3
0232026-03 · 星標 -2026-05 · 星標 22026-06 · 星標 32026-07 · 星標 32026-08 · 星標 32026-09 · 星標 32026-10 · 星標 326-0326-0926-10

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。 該技能有同名的其他版本,調整前的資料歸屬當前下載量最大的這一個。

月份累計下載環比星標
2026-109081—3
2026-095536—3
2026-084172+28.0%3
2026-073259+37.2%3
2026-062375+30.4%3
2026-051821—2
2026-03338—-

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

6.9 KB · ClawHub v1.0.0
---
name: data-analysis-workflow
description: Standardized data analysis workflow integrating data-analysis, statistical-analysis, scientific-visualization and other skills. Provides complete data analysis process from data import to result reporting with 6 stages.
license: MIT License
metadata:
    skill-author: academic-assistant
    version: 1.0.0
    created: 2026-03-14
---
展開全部(共 389 行)
# Data Analysis Workflow

## Overview

标准化数据分析工作流,整合多个数据分析技能,提供从数据导入到结果报告的完整流程。

## 6 Workflow Stages

### 1. 数据导入与检查 (5-10 分钟)
- 数据维度检查
- 变量类型检查
- 缺失值检测
- 异常值检测

**使用技能**: data-analysis, pandas

---

### 2. 数据清洗与预处理 (15-30 分钟)
- 缺失值处理
- 异常值处理
- 变量转换
- 数据标准化

**使用技能**: data-analysis, pandas

---

### 3. 描述统计与探索 (20-40 分钟)
- 集中趋势(均值、中位数)
- 离散程度(标准差、范围)
- 分布形态(偏度、峰度)
- 相关分析

**使用技能**: data-analysis, seaborn, exploratory-data-analysis

---

### 4. 推断统计分析 (30-60 分钟)
- 统计检验选择
- 假设条件检查
- 执行统计检验
- 效应量计算

**使用技能**: statistical-analysis, scipy

---

### 5. 可视化呈现 (20-40 分钟)
- 统计图表(seaborn)
- 定制图表(matplotlib)
- 出版级图表(scientific-visualization)

**使用技能**: seaborn, matplotlib, scientific-visualization

---

### 6. 结果报告 (15-30 分钟)
- APA 格式报告
- 结果解释
- 图表整合

**使用技能**: statistical-analysis, scientific-visualization

---

## Analysis Types

### 实验数据分析 (experimental)

**适用场景**:
- 随机对照试验
- 组间比较
- 前后测设计

**统计检验**:
- t 检验(独立/配对)
- ANOVA(单因素/多因素)
- 卡方检验

**可视化**:
- 箱线图
- 小提琴图
- 条形图(带误差线)

---

### 调查数据分析 (survey)

**适用场景**:
- 问卷调查
- 相关研究
- 预测模型

**统计检验**:
- 相关分析(Pearson/Spearman)
- 回归分析(线性/逻辑)
- 因子分析

**可视化**:
- 热力图
- 散点图
- 直方图

---

### 探索性数据分析 (exploratory)

**适用场景**:
- 初步数据探索
- 特征工程
- 假设生成

**统计检验**:
- 描述统计
- 相关分析

**可视化**:
- 配对图(pairplot)
- 分布图
- 相关矩阵

---

## Usage

### 基本使用

```bash
# 完整分析流程
python data_analysis_workflow.py --file data.csv --type experimental

# 仅描述统计
python data_analysis_workflow.py --file data.csv --stage 3

# 仅统计检验
python data_analysis_workflow.py --file data.csv --stage 4 --test anova

# 生成可视化
python data_analysis_workflow.py --file data.csv --stage 5 --plot boxplot
```

---

### 高级使用

```bash
# 指定输出格式
python data_analysis_workflow.py --file data.csv --output report.md --format APA

# 批量分析
python data_analysis_workflow.py --input-dir data/ --output-dir results/

# 出版级图表
python data_analysis_workflow.py --file data.csv --publication-quality --journal nature
```

---

## Statistical Tests

### t 检验

**适用场景**: 比较两组均值

**假设条件**:
- 正态性
- 方差齐性
- 独立性

**APA 报告**:
```
进行独立样本 t 检验,结果显示两组之间存在显著差异,
t(58) = 2.45, p = .017, d = 0.63, 95% CI [0.12, 1.14]。
```

---

### ANOVA

**适用场景**: 比较三组及以上均值

**假设条件**:
- 正态性
- 方差齐性
- 独立性

**APA 报告**:
```
进行单因素方差分析,结果显示三组之间存在显著差异,
F(2, 87) = 5.67, p = .005, η² = 0.12。
```

---

### 相关分析

**适用场景**: 评估变量间关系

**类型**:
- Pearson 相关(连续变量,正态分布)
- Spearman 相关(等级变量,非正态)

**APA 报告**:
```
Pearson 相关分析显示,变量 X 与变量 Y 呈显著正相关,
r(98) = .45, p < .001, 95% CI [.28, .59]。
```

---

## Quality Checks

### 数据质量

| 指标 | 优秀 | 良好 | 需改进 |
|------|------|------|--------|
| **缺失值** | <5% | 5-10% | >10% |
| **异常值** | <1% | 1-5% | >5% |
| **正态性** | 符合 | 近似 | 不符合 |
| **方差齐性** | 符合 | 近似 | 不符合 |

---

### 分析质量

| 指标 | 优秀 | 良好 | 需改进 |
|------|------|------|--------|
| **检验选择** | 完全适当 | 基本适当 | 不适当 |
| **假设检查** | 完整 | 部分 | 缺失 |
| **效应量** | 包含 | 部分 | 缺失 |
| **可视化** | 出版级 | 清晰 | 需改进 |
| **报告格式** | APA 规范 | 基本规范 | 不规范 |

---

## Best Practices

### 最佳实践

1. **先探索后检验**
   - 先做 EDA
   - 了解数据特征
   - 再选择统计方法

2. **检查假设条件**
   - 正态性
   - 方差齐性
   - 独立性

3. **报告效应量**
   - 不仅报告 p 值
   - 还要报告效应量
   - 提供置信区间

4. **可视化呈现**
   - 图表清晰
   - 标注完整
   - 符合出版标准

---

### 避免错误

1. **检验误用**
   - ❌ 非参数数据用参数检验
   - ✅ 先检查假设条件

2. **忽略效应量**
   - ❌ 只报告 p 值
   - ✅ 报告效应量和 CI

3. **可视化不当**
   - ❌ 3D 饼图
   - ✅ 简洁清晰的图表

4. **过度解读**
   - ❌ 相关=因果
   - ✅ 谨慎解释结果

---

## Integration

### 与文献搜索配合

```
literature-search-workflow: 负责文献搜索
data-analysis-workflow: 负责数据分析
paper-writing-workflow: 负责论文写作
```

---

### 与论文写作配合

```
data-analysis-workflow: 负责数据分析
statistical-analysis: 负责统计检验
scientific-visualization: 负责图表生成
paper-writing-workflow: 负责整合到论文
```

---

## Examples

### 示例 1: 实验数据分析

```bash
python data_analysis_workflow.py \
  --file experiment_data.csv \
  --type experimental \
  --output experiment_report.md
```

**输出**:
- 数据概览
- 描述统计表
- t 检验/ANOVA 结果
- 箱线图/小提琴图
- APA 格式报告

---

### 示例 2: 调查数据分析

```bash
python data_analysis_workflow.py \
  --file survey_data.csv \
  --type survey \
  --output survey_report.md
```

**输出**:
- 样本特征
- 相关矩阵
- 回归分析结果
- 热力图/散点图
- APA 格式报告

---

### 示例 3: 探索性数据分析

```bash
python data_analysis_workflow.py \
  --file data.csv \
  --type exploratory \
  --output eda_report.md
```

**输出**:
- 数据概览
- 缺失值分析
- 分布可视化
- 相关分析
- EDA 报告

---

## References

- APA Style: https://apastyle.apa.org/
- Effect Size: https://www.cohen.com/
- Statistical Power: https://www.gpower.com/
- Scientific Visualization: https://matplotlib.org/

---

**技能版本**: v1.0.0  
**创建时间**: 2026-03-14  
**维护者**: academic-assistant  
**下次更新**: 功能改进时

---

*高效数据分析,从标准化工作流开始!*📊🔬

「資料分析」分類下的熱門技能

全能金融爬蟲資料分析

中國金融機構資料爬取與分析綜合 Skill v12.0.0。2334家/43大類機構名單、60+財經媒體源輿情、 A股報告/公告/研報、60+種查詢多源金融資料(自動降級+快取)、爬取排程與網頁操作增強、 即時資料中樞、24 技術指標引擎、多源證據融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四條線(資訊獲取 / 打包下載 / 資料分析 / 登入): 編排:gather_info() 一次跑完"路由→抓取→去佔位→質量分→能力邊界→回執→打包", 8 類意圖各帶問法、輸入輸出、典型耗時與 not_for(說清哪件事做不了)。 誠實:反爬佔位條目一律剔除並記賬,空結果報 E_SOURCE_EMPTY,不把假資料判成 B 級成功。 交付:包內自帶 manifest.json(逐檔案 sha256),verify 查得出改動/缺失/多塞, 批次下載單條失敗不中斷整批,失敗清單可直接只重下那幾條。 登入:Cookie 由使用者匯出或掃碼接管,檔案化 + 健康度四檔,對外輸出全脫敏(值永不回顯)。 何時觸發:爬取機構、輿情爬取、東方財富、公告下載、即時行情、技術指標、統一查詢、 交付包、批次重下、我已經登入了、登入態還有效嗎(完整觸發詞見下方 auto_trigger)。

↓ 77萬★ 288user_9d5a2a39
鋼聯AI - 智慧問數資料分析

大宗商品價格資料查詢技能。用於查詢大宗商品期現貨價格、宏觀經濟指標、產業鏈供需資料、進出口庫存資料、金融市場資料等。當用戶詢問:(1) 期貨/現貨價格查詢,如"螺紋鋼價格"、"銅期貨收盤價"; (2) 歷史行情或趨勢分析;(3) 區域或企業價格對比;(4) 宏觀經濟指標,如GDP、CPI;(5) 產業鏈上下游資料;(6) 多市場金融資料(期權、股票、債券、外匯);(7) 結算確認單生成時觸發此技能。

↓ 70.5萬★ 6u_9ed3401d
smart-charts資料分析

32種圖表,3 個主題,2步生成: 1.上傳資料 — 將 CSV / Excel / JSON 等格式的資料檔案拖入對話方塊; 2.檢視結果 — 互動式圖表(HTML),可儲存圖表為圖片.

↓ 60.5萬★ 135user_5b28ea14
AdMapix資料分析

AdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。

↓ 57.5萬★ 304fly0pants
論文配圖一鍵生成資料分析

論文配圖一鍵生成:一條命令從 JSON/CSV/Excel 生成頂刊級學術圖表,科研繪圖 與期刊配圖全場景覆蓋。40 種圖表(森林圖/KM 生存曲線(自動風險表)/競爭風險累計發生率/ROC/校準 曲線/決策曲線 DCA/列線圖/RCS 非線性劑量反應/亞組分析森林圖/RMST 限制平均生存時間/Galbraith 徑向圖/火山圖/雨雲圖/山脊圖/啞鈴圖/游泳圖(逐例時長+里程碑)/ 腫瘤緩解瀑布圖/UpSet 交集/PRISMA 流程圖/漏斗/BA 一致性/PCA/熱圖/箱線/小提琴/ 組合圖/Cox 多因素迴歸森林圖等),9 套配色(含色盲安全 Okabe-Ito 與期刊色板),9 種期刊投稿預設, YAML 流水線一條命令出全套論文圖,一次渲染多格式匯出(TIFF/PNG/PDF), PDF 重疊門禁,600dpi。純本地執行,資料不出機,中文零配置。適用:寫論文/ 投稿要配圖、把資料變成可投稿圖表、批次重出全套圖。不適用:文字潤色/翻譯/ 改寫(請用寫作類工具);商業報表/儀表盤/海報裝飾;無資料支撐的純示意圖。

↓ 42.1萬★ 83user_481397b5
smart-charts資料分析

Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.

↓ 25.7萬★ 1user_814dbe54
股票/基金/期貨量化分析工具資料分析

全球智慧投研工具(stock-researcher)v13.0:多源資料 + 機率預測 + 可匯出報告。 核心能力: - 多源資料路由:按市場/類別選源,逐級降級;每個結果標註來源與時效等級;源不可用時明確標 unavailable - 全資產量化:股票/ETF/場外基金/指數/期貨(期限結構、基差、持倉、折溢價)多因子分析 - 機率預測:1d/5d/1M/3M/6M 經驗分佈 + 分位數 + 方向機率 + 區間,kNN 鄰域收縮融合全域性分佈; 樣本不足自動棄權,可按歷史命中樣本(同桶)做機率校準 - 證據鏈簡報:每條結論繫結來源、時間與資料質量,衝突訊號保留而不抹平 - 報告匯出:Word/PPT/PDF/Markdown/JSON/純文字,純標準庫渲染 + 可選第三方引擎 - MCP Server 24 工具,Claude Code 可直接呼叫;知識庫 12 介面卡雙向同步 三條鐵律: - 資料不裝:拿不到就報不可用,不拿 0 價、不拿空表冒充 - 預測不裝:機率來自歷史相似條件的經驗分佈,樣本不足就說不足,不硬給方向 - 評分≠盈利保證:任何結論都帶免責宣告

↓ 19.2萬★ 147user_9d5a2a39
Tavily Search資料分析

透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。

↓ 16.5萬★ 286Xiaoran Li

Roma 的其他技能

資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。