csv-data-summarizer

CSV データの要約

このスキルは CSV ファイルを分析し、統計的な知見や可視化を含む包括的な要約を提供します。

このスキルを使用するタイミング

Claude は、ユーザーが次のいずれかを行った場合、必ずこのスキルを使用してください。

• CSV ファイルをアップロードする、または参照する
• 表形式データの要約、分析、可視化を依頼する
• CSV データから知見を得たいと依頼する
• データの構造や品質を把握したいと希望する

動作の仕組み

⚠️ 重大な動作要件 ⚠️

データをどう扱いたいか、ユーザーに尋ねないでください。 選択肢を提示しないでください。 「何をお手伝いしましょうか？」と言わないでください。 可能な分析を列挙しないでください。

直ちに自動で以下を実行してください。

1. 包括的な分析を実行する
2. 関連する可視化をすべて生成する
3. 完全な結果を提示する
4. 質問も選択肢の提示もせず、ユーザーの入力を待たない

ユーザーはすぐに完全な分析を求めています。そのまま実行してください。

自動分析の手順：

まずデータを調べ、その後に最も関連性の高い分析を判断することで、このスキルはさまざまなデータ型や業界に柔軟に対応します。

1. 読み込みと確認 — CSV ファイルを pandas DataFrame に読み込む

2. データ構造を特定 — 列の型、日付列、数値列、カテゴリを確認する

3. データの内容に基づいて関連性の高い分析を判断する：

   • 売上／E コマースデータ（注文日、売上、商品）：時系列の傾向、売上分析、商品パフォーマンス
   • 顧客データ（人口統計、セグメント、地域）：分布分析、セグメンテーション、地理的パターン
   • 財務データ（取引、金額、日付）：傾向分析、統計的要約、相関関係
   • 業務データ（タイムスタンプ、指標、ステータス）：時系列、パフォーマンス指標、分布
   • アンケートデータ（カテゴリ形式の回答、評価）：度数分析、クロス集計、分布
   • 一般的な表形式データ：検出された列の型に応じて対応

4. 特定のデータセットに適した可視化のみを作成する：

   • 日付／タイムスタンプ列がある場合にのみ時系列プロットを作成
   • 複数の数値列がある場合にのみ相関ヒートマップを作成
   • カテゴリ列がある場合にのみカテゴリ分布を作成
   • 関連する場合は数値分布のヒストグラムを作成

5. 次の内容を含む包括的な出力を自動生成する：

   • データの概要（行数、列数、型）
   • データの型に関連する主要な統計と指標
   • 欠損データの分析
   • 複数の関連する可視化（該当するもののみ）
   • この特定のデータセットで見つかったパターンに基づく、実行可能な知見

6. フォローアップの質問をせず、完全な分析を一度に提示する

対応例：

• 患者 ID を含む医療データ → 人口統計、治療パターン、時系列の傾向に注目
• 在庫数を含む在庫データ → 数量分布、再発注パターン、SKU 分析に注目
• タイムスタンプを含むウェブ分析データ → トラフィックパターン、コンバージョン指標、時間帯別分析に注目
• アンケート回答 → 回答の分布、人口統計別の内訳、感情のパターンに注目

動作ガイドライン

✅ 正しい対応 — 次のように言います：

• 「今すぐ、このデータを包括的に分析します。」
• 「可視化を含む完全な分析はこちらです：」
• 「このデータは［種類］データと特定し、関連する分析結果を生成しました：」
• その後、ただちに分析結果全体を表示します

✅ 実行すること：

• ただちに分析スクリプトを実行する
• 関連するグラフをすべて自動生成する
• 求められる前に、完全な分析結果を提示する
• 最初の応答で、徹底的かつ完全に対応する
• 許可を求めず、迷わず実行する

❌ 次のフレーズは絶対に言わないでください：

• 「このデータで何をしたいですか？」
• 「何をお手伝いしましょうか？」
• 「よくある選択肢をいくつか紹介します：」
• 「お手伝いできることがあればお知らせください」
• 「ご希望であれば、包括的な分析を作成できます！」
• ユーザーの指示を求める「？」で終わる文
• 選択肢や候補のリスト
• 「ご希望であれば X できます」という条件付きの文

❌ 禁止されている動作：

• ユーザーの希望を尋ねる
• ユーザーが選べる選択肢を提示する
• 分析を開始する前にユーザーの指示を待つ
• 追加のやり取りが必要となる不完全な分析を提示する
• 実行する代わりに、できることを説明する

使い方

このスキルには、次の Python 関数 summarize_csv(file_path) が用意されています。

• CSV ファイルのパスを受け取ります
• 統計情報を含む包括的なテキスト要約を返します
• データ構造に基づいて複数の可視化を自動生成します

プロンプトの例

「sales_data.csv です。このファイルを要約してもらえますか？」

「この顧客データの CSV を分析して、傾向を示してください。」

「orders.csv からどのような分析結果が得られますか？」

出力例

データセットの概要

• 5,000 行 × 8 列
• 数値列 3 列、日付列 1 列

要約統計

• 平均注文額：$58.2
• 標準偏差：$12.4
• 欠損値：2%（100 セル）

分析結果

• 売上は時間の経過とともに増加傾向を示しています
• 第 4 四半期に活動がピークになります (添付：傾向を示すプロット)

ファイル

• analyze.py - 分析の中核ロジック
• requirements.txt - Python の依存関係
• resources/sample.csv - テスト用のデータセット例
• resources/README.md - 追加ドキュメント

注意事項

• 日付列（名前に 'date' を含む列）を自動検出します
• 欠損データを適切に処理します
• 日付列がある場合のみ、可視化を生成します
• 統計要約にはすべての数値列を含めます