coding-data-science

coding-data-science

用途

此技能可让 OpenClaw 使用 Python、R 和 Julia 处理数据科学任务，重点涵盖机器学习、数据整理、可视化、统计建模和笔记本执行。它整合这些语言，以实现无缝的代码执行和分析。

适用场景

当用户需要处理数据集、构建 ML 模型或执行统计分析时，可使用此技能。适用于在 Jupyter 笔记本中进行探索性数据分析、使用 Python 中的 scikit-learn 训练模型，或使用 R 中的 ggplot2 可视化数据等任务。对于 Web 开发等非数据任务，请勿使用此技能。

核心功能

• 执行 Python 代码进行数据操作（例如使用 pandas）和 ML（例如使用 scikit-learn）。
• 运行 R 脚本进行统计建模（例如使用 glm）和可视化（例如使用 ggplot2）。
• 支持 Julia，用于 ML 中的高性能计算（例如使用 Flux.jl）。
• 支持 Jupyter 等笔记本格式，以进行交互式会话。
• 集成各类库：Python 的 numpy（用于数组）、R 的 dplyr（用于数据整理）、Julia 的 DataFrames.jl。
• 使用内存高效的方法处理大型数据集，例如使用 Python 的 dask 进行并行计算。

使用模式

要使用此技能，请通过 CLI 或 API 调用 OpenClaw，并指定语言和代码。始终设置环境变量 $OPENCLAW_API_KEY 以进行身份验证。例如，在命令前添加技能 ID：openclaw execute --skill coding-data-science。对于多步骤工作流，请使用 JSON 配置文件，例如 {"lang": "python", "code": "import pandas as pd"}。通过管道传递输出以串联任务，例如运行一个生成数据供 R 可视化使用的 Python 脚本。

常用命令/API

使用 OpenClaw CLI 直接执行：

• 命令：openclaw execute --skill coding-data-science --lang python --code "import pandas as pd; print(pd.read_csv('data.csv').head())" --output json
  • 标志：--lang 用于指定语言（python、r、julia）；--code 用于提供内联代码；--output 用于设置结果格式（例如使用 json 进行解析）。
• API 端点：向 /api/v1/execute 发送 POST 请求，并提供以下载荷：{"skill": "coding-data-science", "lang": "r", "code": "library(dplyr); summary(iris)"}
  • 请求头：包含 Authorization: Bearer $OPENCLAW_API_KEY。
• 配置格式：使用 YAML 编写脚本，例如：

  lang: julia
  code: using Statistics; mean([1,2,3])
  

• 代码片段：用于 Python ML：

  from sklearn.linear_model import LinearRegression
  model = LinearRegression().fit(X, y)
  predictions = model.predict(X_test)
  

• 代码片段：用于 R 可视化：

  library(ggplot2)
  ggplot(iris, aes(Sepal.Length, Sepal.Width)) + geom_point()
  

集成说明

通过设置虚拟环境将此技能集成到环境中：通过 OpenClaw 的预执行钩子，为 Python 运行 pip install pandas，或为 R 运行 install.packages("dplyr")。对于 Jupyter 笔记本，直接传入笔记本文件：openclaw execute --skill coding-data-science --lang notebook --file my_notebook.ipynb。在配置文件中处理依赖项，例如 JSON：{"dependencies": {"python": ["pandas"], "r": ["ggplot2"]}}。在代码片段中使用环境变量存储密钥，例如 $DATA_API_KEY。通过指定版本确保兼容性，例如某些 ML 库要求 Python 3.8+。

错误处理

检查特定语言的错误：在 Python 中，捕获缺少软件包时的 ImportErrors；在 R 中，处理函数收到非数值参数的情况。使用 OpenClaw 错误代码：400 表示语法问题，500 表示运行时故障。始终将代码封装在 try-except 块中，例如：

try:
    import missing_library  # This will raise ImportError
except ImportError as e:
    print(f"Error: {e}")

对于 R：使用 tryCatch()，例如：

tryCatch({
    summary(iris)
}, error = function(e) print(paste("Error:", e)))

在 CLI 命令中使用 --verbose 标志记录输出。如果身份验证失败（例如缺少 $OPENCLAW_API_KEY），请正确设置环境变量后重试。

具体用法示例

1. 使用 Python 处理数据：如需清理和分析 CSV 文件，请运行：openclaw execute --skill coding-data-science --lang python --code "import pandas as pd; df = pd.read_csv('data.csv'); df.dropna(inplace=True); print(df.head())"。此命令可一次性加载、清理并预览数据。
2. 使用 R 构建机器学习模型：如需训练简单的线性模型，请使用 API：POST /api/v1/execute，并传入 {"skill": "coding-data-science", "lang": "r", "code": "model <- lm(Sepal.Length ~ Sepal.Width, data=iris); summary(model)"}。此操作会拟合模型并输出摘要统计信息。

图关系

• 相关：coding-general（共享基础编码能力）
• 依赖：ml-frameworks（用于高级机器学习集成）
• 相连：data-visualization（通过 Python/R/Julia 中的可视化工具）
• 重叠：statistics-analysis（统计建模子集）