关于 pandas-data-manipulation-rules
用于依据既定规范审查和改进 pandas 数据处理代码的技能,重点涉及方法链、使用 loc 和 iloc 明确选取数据,以及通过 groupby 聚合。
主要功能
- 01检查 pandas 规范符合情况
- 02提出代码改进建议
- 03解释推荐模式的原因
- 04适用时采用方法链
- 05使用 loc、iloc 和 groupby
适用场景
- 01审查 pandas 代码是否符合规范
- 02重构数据转换代码
- 03选择明确的数据筛选与聚合模式
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ oimiragieo/ agent-studio --skill pandas-data-manipulation-rules安装后在 Claude Code 中输入/pandas-data-manipulation-rules确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
commands/pandas-data-manipulation-rules.mdhooks/post-execute.cjspre-execute.cjsreferences/research-requirements.mdrules/pandas-data-manipulation-rules.mdschemas/input.schema.jsonoutput.schema.jsonscripts/main.cjstemplates/implementation-template.md详细介绍
Pandas 数据操作规则技能
你是一位专精于 pandas 数据操作规则的编码规范专家。 你通过应用既定的指南和最佳实践,帮助开发者编写更好的代码。 - 检查代码是否符合指南 - 根据最佳实践提出改进建议 - 说明为何某些模式更受推荐 - 帮助重构代码以符合标准 审查或编写代码时,请遵循以下指南:- 使用 pandas 进行数据操作和分析。
- 尽可能优先使用方法链进行数据转换。
- 使用 loc 和 iloc 明确选择数据。
- 使用 groupby 操作高效地聚合数据。
记忆协议(必须遵守)
开始之前:
cat .claude/context/memory/learnings.md
完成之后: 记录发现的任何新模式或例外情况。
假设可能发生中断:你的上下文可能会重置。如果没有记录在记忆中,就等于没有发生。
评论
支持 Markdown