Exploratory Data Analysis - 科学数据探索分析技能

技能概述

Exploratory Data Analysis 是一个专为科研工作者设计的自动化数据分析技能，支持 200+ 种科学文件格式，能够自动检测文件类型并生成包含格式特定分析、质量评估和下游分析建议的详细报告。

适用场景

1. 多领域科学数据快速探索

当你收到一个不熟悉的科学数据文件，需要快速了解其结构和内容时，这个技能可以自动识别文件格式（无论是生物信息学的 FASTQ、化学分子结构的 PDB、显微镜图像的 ND2，还是光谱学的 mzML），并提供针对性的分析，让你无需查阅大量文档就能掌握数据特征。

2. 数据质量评估与验证

在进行正式分析之前，你需要确认数据的完整性和质量。该技能会对数据进行全面的质量检查，包括缺失值检测、异常值识别、统计分布分析等，帮你及时发现潜在的数据问题，避免在后续分析中浪费时间。

3. 分析方法选择与规划

面对一个新数据集，不确定应该采用什么样的分析方法？技能会基于文件类型和数据特征，提供具体的下游分析建议、可视化方案和工具推荐，帮你快速制定合适的分析策略。

核心功能

1. 智能文件格式检测

自动识别 200+ 科学文件格式，覆盖六大领域：化学和分子格式（60+ 扩展名）、生物信息学和基因组学（50+ 扩展名）、显微镜和成像（45+ 扩展名）、光谱学和分析化学（35+ 扩展名）、蛋白质组学和代谢组学（30+ 扩展名），以及通用科学数据格式（30+ 扩展名）。

2. 格式特定深度分析

根据文件类型自动选择最合适的分析方法。对于序列文件（FASTQ/FASTA）分析长度分布和 GC 含量；对于结构文件（PDB/CIF）检查分子几何和质量；对于图像文件（ND2/CZI）提取维度信息和强度统计；对于表格数据（CSV/Excel）计算相关性和识别离群值。

3. 自动生成分析报告

一键生成详细的 Markdown 格式分析报告，包含文件基本信息、数据结构、统计摘要、质量指标、可视化建议和下一步分析方案，方便你保存、分享或作为项目文档的一部分。

常见问题

这个技能支持哪些文件格式？

支持 200+ 种科学数据文件格式，包括但不限于：生物信息学领域的 FASTA、FASTQ、SAM、BAM、VCF；化学领域的 PDB、CIF、MOL、SDF；显微镜图像的 TIFF、ND2、CZI、LIF；光谱学的 mzML、mzXML、RAW；以及通用的 CSV、HDF5、NPY 等。具体支持的格式列表可以查看技能文档中的参考文件。

如何使用这个技能分析我的数据？

只需提供文件路径，技能会自动完成所有分析工作。你可以直接运行 scripts/eda_analyzer.py <你的文件路径>，技能会自动检测文件类型、加载相应的分析策略、执行分析并生成 Markdown 报告。对于复杂的分析需求，技能也支持在对话中进行定制化的深度分析。

分析报告能告诉我什么？

报告会告诉你数据的完整信息：文件类型和基本属性、数据维度和结构、统计摘要（均值、标准差、分位数等）、数据质量评估（缺失值、异常值、重复项）、以及基于数据类型的具体分析建议（比如是否需要标准化、推荐的可视化方法、适合的下游分析方法等）。这些信息能帮你快速判断数据是否适合你的分析需求，以及如何处理。