mcpField
J
jinko-data-table

jinko-data-table

github.com/novainsilicoデータ・データベース4163 回インストール1 週間前に更新
リポジトリ

jinko-data-table について

SDKを通じてJinkōのデータテーブルを扱うスキルです。CSV、SQLite、pandas DataFrameからの取り込みや、テーブル構造と適合度関数との互換性の確認を支援します。

主な機能

  1. 01CSV、SQLite、DataFrameからテーブルを作成
  2. 02テーブルの確認、検証、エクスポート
  3. 03適合度関数との互換性を確認
  4. 04作成前にCSV行を検証

活用シーン

  1. 01試験のオーバーレイ観測データを準備
  2. 02校正目的向けの範囲データを提供
  3. 03試験に関連付ける前に互換性を確認

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/novainsilico/jinko-skills --skill jinko-data-table

インストール後、Claude Code で/jinko-data-tableを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
assets/
data-table.json
toy_data_table_ranges.csv
toy_data_table_values.csv
evals/
evals.json
references/
data-table-schema.md

詳細

Jinkō データテーブル SDK ワークフロー

SDK を使用したデータテーブルの操作には、このスキルを使います。データテーブルは、トライアルのオーバーレイやキャリブレーションの目的に使用できます。行スキーマは共通で、適合度関数との互換性は、利用可能な場合はメタデータで報告されます。

前提条件： このスキルには、初期化済みの jinko-sdk 接続と、metadata.requires_sdk の範囲を満たす SDK が必要です。jinko-sdk-setup スキル（../jinko-sdk-setup/SKILL.md）を実行し、チェックに合格してから先に進んでください。セッションコードは一度しか交換できないため、このスキル独自の SDK プロセスを開始する前に、もう一度 get_session_code を呼び出してください。このスキルが見つからない場合は、novainsilico/jinko-skills からインストールしてください。

範囲

  • CSV ファイルまたはバイト列には client.create_data_table_from_csv() を使います。
  • SQLite ファイルまたはバイト列には client.create_data_table_from_sqlite() を使います。
  • pandas DataFrame には client.create_data_table_from_dataframe() を使います。
  • get_data_table()、content()、summary()、validate()、export() で既存のデータテーブルを調べます。
  • トライアル／キャリブレーションの dataTableDesigns を通じてデータテーブルを紐付ける必要がある場合は、作成後または確認時に、利用可能であれば metadata.public.validForFitnessFunction をチェックします。
  • jinko-trial を通じてデータテーブルを紐付けるトライアルワークフローでは、validForFitnessFunction: True のデータテーブルを使います。ポイント値のオーバーレイテーブルはアップロードに成功しても、トライアル起動時のサニティチェックに失敗することがあります。

プロジェクトフォルダーの管理

  • プロジェクトのルートではなく、専用の Jinkō フォルダー内にデータテーブルを作成することを推奨します。ワークフローの開始時にフォルダー名を尋ねるか、YYYY-MM-DD-<experiment-name> のような名前を提案してください。
  • 可能であれば、完全一致する既存のフォルダーを再利用します：client.get_folder_by_name(name, exact_match_only=True)。
  • フォルダーが存在しない場合は、ユーザーの確認後、またはスクリプトを --apply 付きで実行した場合にのみ作成してください。
  • フォルダーオブジェクトまたはフォルダー ID を一つ解決し、対応する SDK の作成呼び出しに folder=folder を渡します。

行スキーマ

CSV 構造を変更する前に assets/data-table.json を読んでください。

サポートされる行の形式：

  • ポイント値の行：obsId、time、value と、任意の unit、armScope、範囲、重み、参照。
  • 範囲の行：obsId、time、narrowRangeLowBound、narrowRangeHighBound と、任意の unit、armScope、広い範囲、重み、参照。

time には ISO-8601 期間文字列を使います。例：PT0S、PT6H、P1D。

同梱アセット

  • assets/toy_data_table_values.csv：トライアルのオーバーレイ用のポイント値観測データ。
  • assets/toy_data_table_ranges.csv：キャリブレーション目的のワークフローに適した範囲観測データ。
  • assets/data-table.json：サポートされるデータテーブル行のスキーマサブセット。

SDK スクリプト

SDK をインストールすると、これらはコンソールスクリプトとして PATH 上で使用でき、以下の例のように python -m でも実行できます。

  • jinko.cli.create_data_table：すべての CSV 行をドライランで検証し、--apply でデータテーブルを作成します。キャリブレーション入力には --allowed-obs-id、--require-unit、--require-experiment-ref、--require-fitness を使います。
  • jinko.cli.inspect_data_table：既存のデータテーブルを調べます。--require-fitness で適合度の互換性を必須にできます。

例：

python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv
python -m jinko.cli.create_data_table --source extracted.csv --allowed-obs-id Drug --require-unit --require-experiment-ref --require-fitness --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv --folder 2026-06-15-fit-data --create-folder --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_values.csv --method dataframe --apply
python -m jinko.cli.inspect_data_table --data-table-sid dt-... --fitness --validate

参照先

  • 行の形式と適合度関数に関する注意事項は references/data-table-schema.md を読んでください。
  • 必須列の確認には assets/data-table.json を読んでください。

コメント

Markdown 対応