用途
CSV 数据分析器用于分析 CSV 文件并输出包含统计洞察与可视化的综合摘要。当用户上传或提到 CSV 文件、要求汇总、分析或可视化表格数据、希望从 CSV 数据中获取洞察，或想了解数据结构与质量时，此技能会自动使用。
主要能力
该技能通过先检查数据、再确定相关分析的方式，适应不同的数据类型和行业。主要能力包括：
- 将 CSV 文件加载并检查为 pandas DataFrame
- 识别数据结构，包括列类型、日期列、数值列和类别
- 按数据内容确定相关分析方向，例如：
- 销售/电商数据（订单日期、收入、产品）：时间序列趋势、收入分析、产品表现
- 客户数据（人口统计、细分、区域）：分布分析、细分、地理模式
- 财务数据（交易、金额、日期）：趋势分析、统计摘要、相关性
- 运营数据（时间戳、指标、状态）：时间序列、绩效指标、分布
- 调查数据（分类响应、评分）：频率分析、交叉表、分布
- 通用表格数据：根据识别到的列类型调整
- 仅生成对特定数据集有意义、适用的可视化，包括：
- 时间序列图（仅在存在日期/时间戳列时）
- 相关性热图（仅在存在多个数值列时）
- 类别分布（仅在存在分类列时）
- 数值分布的直方图（相关时）
- 自动生成全面输出，包括数据概览（行数、列数、类型）、与数据类型相关的关键统计和指标、缺失数据分析、多个相关可视化，以及基于该数据集所发现模式的可操作洞察
使用方式
该技能提供 Python 函数 summarize_csv(file_path)：接受 CSV 文件的路径，返回带统计信息的全面文本摘要，并根据数据结构自动生成多个可视化。
技能包含的文件：
- analyze.py - 核心分析逻辑
- requirements.txt - Python 依赖
- resources/sample.csv - 用于测试的示例数据集
- resources/README.md - 附加文档
示例提示：
- "这是 sales_data.csv。你能汇总这个文件吗？"
- "分析这个客户数据 CSV 并展示趋势。"
- "你能从 orders.csv 中发现什么洞察？"
示例输出（原文给出）：
数据集概览：5,000 行 × 8 列，3 个数值列，1 个日期列。统计摘要：平均订单价值 $58.2，标准差 $12.4，缺失值 2%（100 个单元格）。洞察：销售随时间呈上升趋势，Q4 活动达到峰值（附趋势图）。
行为要求
此技能设有明确的关键行为要求：不要询问用户想用数据做什么，不提供选项或选择，不询问"您想让我帮您做什么？"，也不列出可能的分析选项。触发后应立即自动执行：运行全面分析、生成所有相关可视化、展示完整结果，不提问、不给选项、不等待用户输入，在第一次响应中即做到全面完整。
适用场景
适用于需要快速获得 CSV 数据整体认知的场景，例如销售与电商数据、客户数据、财务数据、运营数据、调查数据以及通用表格数据的初步探索。技能可适应示例包括：带患者 ID 的医疗数据关注人口统计、治疗模式与时间趋势；带库存水平的库存数据关注数量分布、补货模式与 SKU 分析；带时间戳的网站分析关注流量模式、转化指标与时段分析；调查响应关注响应分布、人口统计细分与情感模式。
限制与注意事项
- 自动检测日期列（名称中包含 'date' 的列）
- 优雅处理缺失数据
- 仅在存在日期列时生成可视化
- 所有数值列都包含在统计摘要中
关于具体收费、价格、支持的平台、处理性能上限或除上述示例外的精确输出格式，资料中暂未提供。