Csv Analyzer — CSV数据分析器

用简单命令分析CSV文件，即时获取统计、筛选数据、检测异常并导出结果——无需pandas或重型依赖。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

API Key 配置

本Skill无需额外API Key（LLM能力由Agent平台内置提供）

可用性分类

• 分类: MD+EXEC（）

核心能力

1. 快速统计（stats）

python3 {baseDir}/scripts/csv_analyze.py stats data.csv

返回行数、列类型、数值列的min/max/mean、文本列的unique计数。

输入: 用户提供快速统计（stats）所需的指令和必要参数。

• 执行快速统计（stats）操作,处理输入数据并返回结果
• 验证执行结果,确认输出符合预期格式
• 异常时参考错误处理章节进行恢复
• 关键参数: 快速统计（stats） 选项

2. 灵活筛选（filter）

python3 {baseDir}/scripts/csv_analyze.py filter data.csv --where "amount>1000" --output big_orders.csv

支持比较运算符（>、<、>=、<=、==、!=），可将筛选结果导出为CSV。

输入: 用户提供灵活筛选（filter）所需的指令和必要参数。

3. Top/Bottom N

python3 {baseDir}/scripts/csv_analyze.py top data.csv --column revenue --n 10
python3 {baseDir}/scripts/csv_analyze.py bottom data.csv --column revenue --n 5

按指定列取前N或后N行。

输入: 用户提供Top/Bottom N所需的指令和必要参数。 输出: 返回Top/Bottom N的执行结果,包含操作状态和输出数据。

4. 异常检测（anomalies）

python3 {baseDir}/scripts/csv_analyze.py anomalies data.csv --column price

基于z-score检测超出2σ（2倍标准差）的值。

输入: 用户提供异常检测（anomalies）所需的指令和必要参数。 输出: 返回异常检测（anomalies）的执行结果,包含操作状态和输出数据。

5. 分组聚合（group）

python3 {baseDir}/scripts/csv_analyze.py group data.csv --by category --agg "sum:amount" "count:id"

按指定列分组，支持 sum、count 等多种聚合函数，可同时指定多个聚合。

输入: 用户提供分组聚合（group）所需的指令和必要参数。 输出: 返回分组聚合（group）的执行结果,包含操作状态和输出数据。

6. 自动列类型检测

自动识别列类型：数值（numeric）、日期（date）、文本（text）。数值列做统计计算，文本列做unique计数。

输入: 用户提供自动列类型检测所需的指令和必要参数。 处理: 按照skill规范执行自动列类型检测操作,遵循单一意图原则。 输出: 返回自动列类型检测的执行结果,包含操作状态和输出数据。

• 执行自动列类型检测操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考自动列类型检测相关配置参数进行设置

7. 结果导出

filter 等命令支持 --output 参数，将处理结果导出为CSV，便于后续分析或报表使用。

能力覆盖范围

本skill还覆盖以下能力场景: 用简单命令分析、获取统计、筛选行、检测异常、零外部依赖、数据分析器用简单、命令分析、即时获取统计、筛选数据、检测异常并导出结、仅依赖、标准库、pandas、或重型依赖、内存服务器上运行、无压力、核心能力、命令返回行数、命令支持比较运算、可导出筛选结果、命令按指定列取前、命令基于、文本自动识别、处理结果可导出为、适用场景、数据探索、异常排查、报表预处理、ETL、不适用于、的大文件、流式处理、加密文件破解。这些能力在上述核心功能中均有对应处理逻辑。

为何不用pandas？

pandas很强大，但：

• 仅导入就占100MB+内存
• 对快速分析任务过于重型
• 本技能在2GB内存服务器上运行无压力
• 对真正的大数据集，Agent可建议安装pandas

使用流程

1. 确认环境：检查 python3 可用（无需安装任何外部包）。
2. 快速统计：用 stats 命令获取数据概况（行数、列类型、min/max/mean）。
3. 按需分析：根据统计结果选择 filter/top/bottom/anomalies/group 命令。
4. 导出结果：用 --output 参数将筛选/处理结果导出为CSV。
5. 验证输出：检查导出文件的行数与内容是否符合预期。
6. 大数据集建议：若文件接近100MB或分析慢，考虑安装pandas。

命令参数说明

• --by: 命令参数,用于指定操作选项

示例

示例1：快速统计

python3 {baseDir}/scripts/csv_analyze.py stats orders.csv
# 输出：
# 行数: 1500
# 列: order_id(text, 1500 unique), amount(numeric, min=10.5, max=9999.0, mean=456.78),
#     category(text, 12 unique), order_date(date)

示例2：筛选大额订单并导出

python3 {baseDir}/scripts/csv_analyze.py filter orders.csv --where "amount>1000" --output big_orders.csv
# 输出：筛选出87行，已导出到 big_orders.csv

示例3：取销售额前10

python3 {baseDir}/scripts/csv_analyze.py top orders.csv --column amount --n 10
# 输出：amount最大的10行记录

示例4：检测价格异常

python3 {baseDir}/scripts/csv_analyze.py anomalies orders.csv --column amount
# 输出：超出2σ的异常值，共23行
# 例如：amount=9999.0（z-score=3.8），amount=5.0（z-score=-2.5）

示例5：按类别分组聚合

python3 {baseDir}/scripts/csv_analyze.py group orders.csv --by category --agg "sum:amount" "count:order_id"
# 输出：
# category=electronics, sum:amount=125000.50, count:order_id=320
# category=clothing, sum:amount=45000.20, count:order_id=180
# ...

示例6：多条件组合（先filter再stats）

python3 {baseDir}/scripts/csv_analyze.py filter orders.csv --where "amount>500" --output high_value.csv
python3 {baseDir}/scripts/csv_analyze.py stats high_value.csv
# 输出：高价值订单的统计概况

错误处理

常见问题

Q1：为何不用pandas？

pandas仅导入就占100MB+内存，对快速分析任务过于重型。本技能仅用Python标准库（csv模块），在2GB内存服务器上运行无压力。对真正的大数据集，Agent可建议安装pandas。

Q2：支持多大的文件？

设计支持约100MB以内的文件（载入内存）。超过此规模建议安装pandas或使用流式处理。2GB内存服务器可稳定运行。

Q3：如何检测异常？

anomalies 命令基于z-score检测超出2σ（2倍标准差）的值。这些值在统计上偏离均值较远，可能是数据错误或值得关注的异常点。

Q4：支持哪些聚合函数？

目前支持 sum（求和）与 count（计数）两种聚合函数，按 func:column 格式传入，可同时指定多个（如 "sum:amount" "count:id"）。

Q5：如何导出筛选结果？

filter 命令支持 --output 参数，将筛选结果导出为CSV文件。例如 --output big_orders.csv。

Q6：列类型如何识别？

自动识别：数值列做min/max/mean统计，文本列做unique计数，日期列尝试ISO格式解析。非ISO日期可能无法识别。

Q7：支持哪些比较运算符？

filter 的 --where 支持 >、<、>=、<=、==、!= 六种比较运算符，如 "amount>1000"。

Q8：能在2GB内存服务器上运行吗？

能。本技能零外部依赖，仅用Python标准库，内存占用远低于pandas。2GB内存服务器可稳定运行100MB以内的文件分析。

已知限制

• 设计支持约100MB以内的文件（载入内存），更大文件需pandas流式处理。
• 日期解析为基础级，优先支持ISO 8601格式，其他格式可能无法识别。
• 聚合函数仅支持 sum 与 count，暂不支持 avg/min/max/median。
• 仅依赖Python标准库，无pandas的向量化加速，大文件分析较慢。
• 不支持加密CSV文件的破解。
• 不支持多表JOIN与跨文件关联分析。
• --where 仅支持单条件，不支持 AND/OR 组合条件。