一個增強的資料分析工具包，提供全面的 Python 和 R 程式碼範本、統計方法、視覺化指南以及自動化報告格式。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install data-analysis-plus
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 data-analysis-plus。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Data Analysis Plus？
Data Analysis Plus 是專為 AI 邊碼工作流程量身定制的全面分析擴充功能。它在主要的資料科學框架（如 Python 的 Pandas、Scipy、Scikit-Learn、Statsmodels 和 R 的 Dplyr、Ggplot2）中提供生產就緒的程式碼區塊。透過為從基礎統計操作到機器學習模型的各種內容引入高品質的語法，該技能可以幫助開發人員在定量探索過程中最大限度地減少工程開銷並最大限度地提高數學精準度。
該框架透過在開發人員環境中直接代管結構化參考指南，使跨團隊的分析方法標準化。無論是評估複雜的回歸、管理資料品質檢查還是建立動態視覺化，Openclaw Skills 都能讓開發人員迅速將雜亂的原始資料檔案轉化為可用於決策的商業智慧輸出。
Data Analysis Plus 應用場景
- 在大型 CSV、Excel 或 JSON 資料集上執行探索性資料分析 (EDA) 並計算敘述性統計數據。
- 進行嚴格的科學假設檢定，例如獨立樣本 T 檢定、卡方適合度檢定和單因子變異數分析 (ANOVA) 模擬。
- 使用線性迴歸、羅吉斯迴歸和標準化的 K-Means 分群開發預測分析模型。
- 透過自動化的季節性分解配置執行時間序列分析。
- 生成標準化的執行摘要和高度細緻的技術 markdown 報告。
Data Analysis Plus 運作原理
- 資料來源擷取： 連接並擷取來自各種本機檔案（CSV、Excel、JSON）或直接 SQL 資料庫連接的結構化資料。
- 品質驗證與清洗： 執行自動化的結構檢查以隔離缺失的資料點、刪除重複項，並使用四分位距計算剔除數學離群值。
- 方法論路由： 透過對類別或分佈特徵執行結構化決策樹，根據資料標準選擇正確的統計方法。
- 模型執行： 使用標準數值函式庫，在 Python 或 R 語言引擎中實作模組化分析常式。
- 視覺化版面配置： 渲染優化的向量圖表，如相關性熱圖、線性趨勢線和散點圖。
- 報告編譯： 自動將研究結果組裝成結構化的執行摘要或深度的技術文件檔案。
Data Analysis Plus 設定指南
要在本機工作區環境中使用此範本配置，請透過系統終端機安裝所需的核心套件：
# 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'))"
Data Analysis Plus 資料結構與分類體系
Data Analysis Plus 透過圍繞標準化資料操作建構範本來管理工作流程，將分析邏輯對應到精確的程式碼區塊：
| 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 |
Data Analysis Plus 進階特性
- 假設檢定決策矩陣： 一個整合的概念性決策工作流程，可根據結構變數自動引導使用者選擇有效的數學檢定。
- 演算法樣本量計算： 內建使用
TTestIndPower的程式化檢定檢定力分析工具，可在主動資料收集之前確定操作檢定邊界。 - 雙語言互操作性： 相同的計算腳手架將分析程序互換地對應到 Python 指令碼和 R 執行管線中。
- 生產就緒的視覺化格式： 預先配置的圖形規格，具有高解析度標準輸出 (
dpi=300)、優化的尺寸控制和乾淨的主題。
SKILL.md
加載中
Openclaw 相關技能
Web Scrape Plus
一款專為 AI 代理打造的增強型資料提取工具，具備 stealth 瀏覽器自動化、proxy 路由、速率限制和強大的結構化資料驗證功能。
Prompt Engineering Plus
一個先進的多模態 Prompt Engineering 工具包，旨在優化領先的 LLM、圖像生成引擎和視頻 AI 模型的輸入。
Skill Creator Plus
一個增強型的技能建立框架，提供範本、自動化品質關卡、驗證規則以及直接的 ClawHub 發布整合，用於建構高品質的 AI agent 技能。
Self-Improving Plus
Self-Improving Plus 使 AI 編碼代理能夠自主追蹤錯誤、擷取使用者更正，並將重複出現的模式提煉為完全可重複使用的自訂技能。
人民衛生出版社第10版婦產科學臨床技能
一個包含 187 項源自 PMPH 第10版教材的權威婦產科臨床技能結構化註冊庫，專為上下文感知的醫學 AI 智慧體設計。
精選*
