Un kit d'analyse de données amélioré fournissant des modèles de code Python et R complets, des méthodes statistiques, des guides de visualisation et des formats de rapports automatisés.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install data-analysis-plus
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer data-analysis-plus via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Data Analysis Plus ?
Data Analysis Plus est une extension analytique complète conçue pour les flux de travail de codage d'IA. Elle fournit des blocs de code prêts pour la production sur les principaux frameworks de science des données comme Python (Pandas, Scipy, Scikit-Learn, Statsmodels) et R (Dplyr, Ggplot2). En introduisant une syntaxe de haute qualité pour tout, des opérations statistiques de base aux modèles de machine learning, la skill aide les développeurs à minimiser les coûts d'ingénierie et à maximiser la précision mathématique lors de l'exploration quantitative.
Ce framework standardise les méthodologies analytiques au sein des équipes en hébergeant des guides de référence structurés directement dans l'environnement de développement. Qu'il s'agisse d'évaluer des régressions complexes, de gérer des contrôles de qualité des données ou de mettre en place des visualisations dynamiques, Openclaw Skills permet aux développeurs de traduire rapidement des fichiers de données brutes et désordonnées en résultats d'intelligence d'affaires prêts pour la prise de décision.
Cas d'utilisation de Data Analysis Plus
- Exécution d'analyses exploratoires de données (EDA) et calcul de statistiques descriptives sur de grands ensembles de données CSV, Excel ou JSON.
- Réalisation de tests d'hypothèses scientifiques rigoureux tels que des tests T indépendants, des tests de contingence du Chi-Deux et des simulations ANOVA à un facteur.
- Développement de modèles d'analyse prédictive à l'aide de la régression linéaire, de la régression logistique et du clustering K-Means standardisé.
- Exécution d'analyses de séries temporelles avec des configurations automatisées de décomposition saisonnière.
- Génération de résumés exécutifs standardisés et de rapports markdown techniques hautement granulaires.
Comment fonctionne Data Analysis Plus
- Ingestion des sources de données : Connectez et ingérez des données structurées à partir de divers fichiers locaux (CSV, Excel, JSON) ou de connexions directes à des bases de données SQL.
- Validation de la qualité & Nettoyage : Lancez des inspections structurelles automatisées pour isoler les points de données manquants, supprimer les doublons et éliminer les valeurs aberrantes mathématiques à l'aide des calculs de l'écart interquartile.
- Routage méthodologique : Choisissez l'approche statistique correcte en fonction des critères des données en exécutant des arbres de décision structurels pour les profils catégoriels ou de distribution.
- Exécution du modèle : Implémentez des routines d'analyse modulaires sur des moteurs de langage Python ou R à l'aide de bibliothèques numériques standards.
- Mise en page de la visualisation : Rendez des graphiques vectoriels optimisés tels que des cartes de chaleur de corrélation, des lignes de tendance linéaire et des nuages de points.
- Compilation de rapports : Assemblez automatiquement les résultats de la recherche dans des résumés exécutifs structurés ou des fichiers de documentation technique approfondie.
Configuration de Data Analysis Plus
Pour exploiter cette configuration de modèle dans votre environnement de travail local, installez les packages de base requis via le terminal de votre système :
# Install Python dependency matrix
pip install pandas numpy scipy scikit-learn statsmodels matplotlib seaborn sqlalchemy
# Open your local R console environment to provision components
R -e "install.packages(c('readr', 'readxl', 'jsonlite', 'dplyr', 'cluster', 'ggplot2'))"
Schéma de données et taxonomie de Data Analysis Plus
Data Analysis Plus gère les flux de travail en structurant les modèles autour d'opérations de données standardisées, en associant la logique analytique à des blocs de code précis :
| Process Layer | Python Module | R Library / Object |
|---|---|---|
| Data Ingestion | pandas Core IO engine |
readr, readxl, jsonlite |
| Statistical Testing | scipy.stats Package |
Base stats framework components |
| Machine Learning | sklearn.linear_model, sklearn.cluster |
Base lm, glm, cluster package |
| Time Series Forecasting | statsmodels.tsa.seasonal |
forecast::auto.arima() functional logic |
| Data Visualization | matplotlib.pyplot, seaborn |
ggplot2 grammar engines |
Fonctionnalités avancées de Data Analysis Plus
- Matrice de décision pour les tests d'hypothèses : Un flux de travail de décision conceptuel intégré qui guide automatiquement les utilisateurs vers des sélections de tests mathématiques valides basées sur des variables structurelles.
- Calcul algorithmique de la taille de l'échantillon : Utilitaires intégrés d'analyse de puissance programmatique utilisant
TTestIndPowerpour déterminer les limites des tests opérationnels avant la collecte active de données. - Interopérabilité double langage : Une structure de calcul identique associe les procédures analytiques de manière interchangeable entre les scripts Python et les pipelines d'exécution R.
- Formats de visualisation prêts pour la production : Spécifications de tracés préconfigurées offrant des sorties standards haute résolution (
dpi=300), des contrôles de taille optimisés et des thèmes épurés.
SKILL.md
Chargement
Compétences Openclaw associées
Web Scrape Plus
Un outil d'extraction de données amélioré pour les agents IA, doté d'une automatisation de navigateur stealth, d'un routage proxy, d'une limitation de débit et d'une validation robuste des données structurelles.
Prompt Engineering Plus
Un kit d'outils avancé de Prompt Engineering multimodal conçu pour optimiser les entrées pour les principaux LLM, moteurs de génération d'images et modèles d'IA vidéo.
Skill Creator Plus
Un framework amélioré de création de skills fournissant des modèles, des barrières de qualité automatisées, des règles de validation et une intégration directe de publication ClawHub para créer des skills d'AI agent de haute qualité.
Boss Fight Planner Skill
Un utilitaire de game design structuré fournissant des modèles reproductibles, des listes de contrôle et des configurations par défaut sécurisées pour planifier des affrontements de boss épiques.
Browser Auto Plus
Une compétence d'automatisation de navigateur avancée comprenant un basculement automatique multi-navigateurs, une récupération d'erreurs par recul exponentiel (exponential backoff), une vérification par capture d'écran et des fonctionnalités de web scraping anti-détection intégrées.
Code Review Plus
Un assistant de révision de code avancé avec des vérifications AI/ML spécialisées, une analyse de sécurité robuste et la conformité aux normes multilingues.
Self-Improving Plus
Self-Improving Plus permet aux agents de codage AI de suivre les erreurs de manière autonome, de capturer les corrections des utilisateurs et de distiller les motifs récurrents en compétences personnalisées entièrement réutilisables.
En vedette*
