用途:对数据集执行探索性数据分析,自动生成可视化、统计量、相关性与交互式 HTML 报告,支持 CSV、JSON、Parquet 和数据库来源。
主要能力:数据发现(识别格式、Schema、行列数、类型、内存占用与样本行);统计画像(数值列的计数、均值、标准差、四分位、偏度、峰度,分类列的取值与频次,缺失值统计);可视化(分布直方图/KDE、相关矩阵热图、缺失值热图,深度模式另含时间序列、分组分析、箱线图离群检测、散点矩阵与类别热图);模式分析(强相关 |r|>0.7、缺失模式、IQR 离群、偏度、类别不平衡、时间趋势);生成交互式 HTML 报告并输出汇总。
使用方式:命令形如 /sc:eda data/sales.csv,可用 --output 指定输出目录、--focus 指定关注列、--depth 选择 quick/standard/deep、--format 指定输入格式、--time-col 指定时间列、--group-by 指定分组列。输出目录含 plots、data 与 eda_report.html。依赖 pandas、matplotlib、seaborn、numpy,缺失时可用 pip install pandas matplotlib seaborn numpy 安装。
适用场景:快速了解陌生数据集结构、发现数据质量问题与相关性、为后续建模或深入分析做准备。
限制:超过 100 万行时绘图采样但统计仍用全量;无数值列时跳过相关与分布分析;全空列会被跳过;文件缺失或格式不支持会报错。PAL、Rube 等 MCP 集成为可选项。官方未提供的收费、价格与效果信息暂未提供。