产品级的描述性统计分析工具，支持CSV和Excel数据的交互式分析。
- 基础描述统计: 均值、中位数、标准差、分位数、偏度、峰度
- 分布分析: 正态性检验、直方图、密度图、Q-Q图
- 异常值检测: IQR方法、Z-score方法、共识检测
- 分组对比: ANOVA、Kruskal-Wallis检验、箱线图、小提琴图
- 双输出模式: 终端彩色表格 + HTML交互报告
- 交互式引导: 友好的命令行交互界面
# 安装Python依赖
cd ~/.claude/skills/descriptive-stats
pip3 install -r requirements.txt- pandas >= 2.0.0
- numpy >= 1.24.0
- scipy >= 1.10.0
- seaborn >= 0.12.0
- matplotlib >= 3.7.0
- plotly >= 5.14.0
- rich >= 13.7.0
- jinja2 >= 3.1.0
- openpyxl >= 3.1.0
在Claude Code中直接请求数据分析：
请分析 data.csv 的统计特征
对数据进行描述性统计分析
查看数据的分布情况
检测数据中的异常值
分析 /path/to/sales_data.csv 的统计特征
对 /path/to/employee_data.xlsx 进行完整分析
按部门分组分析薪资数据
比较不同产品类别的评分分布
推荐用于探索性分析，skill会引导完成：
- 选择数据文件
- 预览数据并选择分析列
- 选择分析类型
- 选择输出方式
- 查看和解释结果
指定文件和分析参数：
分析 data.csv 的所有数值列，生成HTML报告
skill也可以作为独立Python脚本使用：
# 进入scripts目录
cd ~/.claude/skills/descriptive-stats/scripts
# 运行分析（开发中）
python3 cli.py analyze ../data.csv --output report.html| 格式 | 扩展名 | 说明 |
|---|---|---|
| CSV | .csv | 逗号分隔值，UTF-8编码 |
| Excel | .xlsx, .xls | 支持多sheet工作簿 |
- Rich彩色表格
- ASCII风格图表
- 进度条和加载动画
- 分页显示
- 响应式布局
- Plotly交互式图表
- 完整统计报告
- 可导出为PDF
| 类型 | 说明 | 适用场景 |
|---|---|---|
| 基础统计 | 计算描述性统计量 | 快速了解数据特征 |
| 分布分析 | 检验分布形状 | 判断数据分布类型 |
| 异常值检测 | 识别异常观测 | 数据清洗和质量检查 |
| 分组对比 | 组间差异检验 | A/B测试、分组研究 |
skill包含测试数据用于演示：
# 使用测试数据
分析 ~/.claude/skills/descriptive-stats/examples/test_data.csvdescriptive-stats/
├── SKILL.md # Skill定义文件
├── README.md # 本文档
├── requirements.txt # Python依赖
├── references/ # 参考文档
│ ├── statistical-methods.md
│ ├── visualizations.md
│ └── best-practices.md
├── examples/ # 使用示例
│ ├── basic-analysis.md
│ └── advanced-analysis.md
└── scripts/ # 分析脚本
├── cli.py # 主入口
├── core/ # 核心分析
├── visualization/ # 可视化
└── reporting/ # 报告生成
- 均值: 正态分布数据的代表值
- 中位数: 偏态分布，抗异常值
- 众数: 最频繁出现的值
- 标准差: 数据平均偏离程度
- IQR: 中间50%数据的范围
- 变异系数: 相对变异程度
- 偏度: 分布对称性，正值右偏
- 峰度: 分布尖锐程度
- Shapiro-Wilk: 小样本首选
- K-S检验: 大样本适用
- D'Agostino: 基于偏度和峰度
- IQR方法: Q1-1.5×IQR 或 Q3+1.5×IQR
- Z-score: |Z| > 3 视为异常
- 共识: 多方法交集
- ANOVA: 参数检验，正态+方差齐
- Kruskal-Wallis: 非参数，任意分布
- 先做数据质量检查: 了解缺失值和异常值
- 选择合适的统计量: 偏态用中位数，正态用均值
- 可视化辅助理解: 图表比数字更直观
- 报告效应量: 不仅看显著性，更要看实际意义
- 结合领域知识: 统计结果需要专业解释
Q: 支持大数据集吗？ A: 支持自动采样和增量计算，适合大型数据集。
Q: 可以处理中文数据吗？ A: 完全支持中文列名和数据，使用UTF-8编码。
Q: 如何引用分析结果？ A: HTML报告包含完整方法和参数，可直接引用。
Q: 分析结果可靠吗？ A: 使用成熟的统计库（scipy、statsmodels），方法经过验证。
分析data.csv，使用95%置信区间，异常值阈值为2.5倍标准差
分析当前目录所有csv文件的统计特征
编辑 scripts/reporting/templates/report.html 自定义报告样式。
- 详细统计方法:
references/statistical-methods.md - 可视化指南:
references/visualizations.md - 使用示例:
examples/
- 1.0.0 (2025): 初始版本
- 基础描述统计
- 分布分析
- 异常值检测
- 分组对比
- HTML报告生成
作为Claude Code skill使用，遵循相应许可条款。
改进建议和问题反馈请通过Claude Code渠道提交。
