data-analysis

数据分析 - 统计计算与洞察

何时使用此技能

在以下情况下启用此技能：

• 用户提到“数据分析”“统计”“计算指标”“数据洞察”
• 需要分析结构化数据（CSV、JSON、数据库）
• 计算统计数据、趋势、模式
• 财务分析（收益、波动率、技术指标）
• 业务分析（销售额、用户行为、KPI）
• 科学数据处理和假设检验

工作流

1. 获取数据

⚠️ 重要：文件命名要求

• 文件名不得包含中文字符或非 ASCII 字符
• 只能使用英文字母、数字、下划线和连字符
• 示例：data.csv、sales_report_2025.xlsx、analysis_results.json
• ❌ 无效：销售数据.csv、数据文件.xlsx、報表.json
• 这可确保在不同系统间的兼容性，并避免编码问题

如果数据已存在：

• 从文件读取（CSV、JSON、Excel）
• 如果可用，则查询数据库

如果文件名包含中文字符：

• 请用户将文件重命名为英文/ASCII 字符
• 或者在将文件保存到 Agent 目录时重命名

如果没有数据：

• 自动启用 data-base 技能
• 抓取/收集所需数据
• 保存为结构化格式

2. 了解需求

询问用户：

• 您想回答哪些问题？
• 哪些指标很重要？
• 结果需要什么格式？（摘要、图表、报告）
• 是否有指定的统计方法？

3. 分析

通用分析：

• 描述性统计（均值、中位数、标准差、百分位数）
• 分布分析（直方图、箱线图）
• 相关性分析
• 组间比较

财务分析：

• 收益计算（简单收益、对数收益、累计收益）
• 风险指标（波动率、VaR、夏普比率）
• 技术指标（MA、RSI、MACD）
• 投资组合分析

业务分析：

• 趋势分析（增长率、同比、环比）
• 群组分析
• 漏斗分析
• A/B 测试

科学分析：

• 假设检验（t 检验、卡方检验、ANOVA）
• 回归分析
• 时间序列分析
• 统计显著性

4. 输出

生成以下形式的结果：

• 摘要统计：包含关键指标的表格
• 图表：保存为 PNG 文件
• 报告：包含分析结果的 Markdown
• 数据：供后续使用的处理后 CSV/JSON

Python 环境

如有需要，自动初始化虚拟环境，然后执行：

cd skills/data-analysis

if [ ! -f ".venv/bin/python" ]; then
    echo "Creating Python environment..."
    ./setup.sh
fi

.venv/bin/python your_script.py

设置脚本会自动安装：pandas、numpy、scipy、scikit-learn、statsmodels，并支持中文字体。

分析场景

通用数据

import pandas as pd

# Load and summarize
df = pd.read_csv('data.csv')
summary = df.describe()
correlations = df.corr()

财务数据

# Calculate returns
df['return'] = df['price'].pct_change()

# Risk metrics
volatility = df['return'].std() * (252 ** 0.5)
sharpe = df['return'].mean() / df['return'].std() * (252 ** 0.5)

业务数据

# Group by category
grouped = df.groupby('category').agg({
    'revenue': ['sum', 'mean', 'count']
})

# Growth rate
df['growth'] = df['revenue'].pct_change()

科学数据

from scipy import stats

# T-test
t_stat, p_value = stats.ttest_ind(group_a, group_b)

# Regression
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)

文件路径约定

临时输出（会话范围）

写入当前目录的文件将存储在会话目录中：

import time
from datetime import datetime

# Use timestamp for unique filenames (avoid conflicts)
timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')

# Charts and temporary files
plt.savefig(f'analysis_{timestamp}.png')      # → $KODE_AGENT_DIR/analysis_20250115_143022.png
df.to_csv(f'results_{timestamp}.csv')        # → $KODE_AGENT_DIR/results_20250115_143022.csv

始终使用唯一文件名，以避免多次分析时发生冲突：

• 使用时间戳：analysis_20250115_143022.png
• 使用描述性名称 + 时间戳：sales_report_q1_2025.csv
• 脚本使用随机后缀：script_{random.randint(1000,9999)}.py

用户数据（持久化）

使用 $KODE_USER_DIR 存储持久化用户数据：

import os
user_dir = os.getenv('KODE_USER_DIR')

# Save to user memory
memory_file = f"{user_dir}/.memory/facts/preferences.jsonl"

# Read from knowledge base
knowledge_dir = f"{user_dir}/.knowledge/docs"

环境变量

• KODE_AGENT_DIR：用于临时输出（图表、分析结果）的会话目录
• KODE_USER_DIR：用于持久化存储（记忆、知识、配置）的用户数据目录

最佳实践

• 文件名必须仅包含 ASCII 字符：文件名中不得包含中文或非 ASCII 字符
• 始终先检查数据：df.head()、df.info()、df.describe()
• 处理缺失值：根据具体情况删除或填补
• 检查假设条件：正态性、独立性等
• 可视化：图表能揭示表格无法呈现的模式
• 记录发现：说明指标及其含义
• 使用正确路径：临时输出写入当前目录，持久化数据写入 $KODE_USER_DIR

快速参考

• REFERENCE.md - pandas/numpy API 参考
• references/financial.md - 财务分析方案
• references/business.md - 业务分析方案
• references/scientific.md - 统计检验方法
• references/templates.md - 代码模板

环境设置

此技能使用 Python 脚本。设置环境：

# Navigate to the skill directory
cd apps/assistant/skills/data-analysis

# Run the setup script (creates venv and installs dependencies)
./setup.sh

# Activate the environment
source .venv/bin/activate

设置脚本将：

• 在 .venv/ 中创建 Python 虚拟环境
• 安装所需的软件包（pandas、numpy、scipy、scikit-learn、statsmodels）

使用此技能环境运行 Python 脚本：

# Use the virtual environment's Python
.venv/bin/python script.py

# Or activate first, then run normally
source .venv/bin/activate
python script.py