Zum Inhalt springen

CSV-Datenzusammenfassung Skill

Prüfe CSV-Struktur, fehlende Werte und Zahlenzusammenfassungen mit lokalen Python-Diagrammen.

Community · coffeefuelbump
Autorcoffeefuelbump
LizenzMIT (README declaration; no LICENSE file)
Quellecoffeefuelbump/csv-data-summarizer-claude-skill · SKILL.md auf GitHub
Funktioniert inClaude Code · Codex, Gemini CLI, Cursor, Copilot
Aus der Quelle gelesen am

csv-data-summarizer leitet eine Python-Prüfung von CSV-Zeilen, Typen, fehlenden Werten, Verteilungen und Korrelationen an. Das mitgelieferte analyze.py erzeugt einen Textbericht und passende PNG-Diagramme.

Das Skript erkennt mögliche Datumsspalten anhand der Namen und verwendet pandas-Standards. Fachliche Interpretation, Kennungen und Datumsaggregation brauchen Prüfung; Korrelationen belegen keine Ursache.

Aus der SKILL.md des Skills: CSV Data Summarizer

Das ist ein Community-Skill von coffeefuelbump, weder von uns noch von Anthropic geprüft. Skills können den Agenten anweisen, Code auszuführen, Dateien zu lesen oder auf das Netzwerk zuzugreifen. Lies vor der Installation seine SKILL.md und jedes Skript im Ordner und achte auf alles, was nicht zu seiner Beschreibung passt.

Was er macht

  1. Lies die CSV und prüfe Typen sowie leere Zellen.
  2. Fasse numerische und ausgewählte kategoriale Felder zusammen.
  3. Erzeuge sinnvolle Diagramme und interpretiere nur datenbelegte Muster.

Was du bekommst

  • Eine Textzusammenfassung und passende PNGs für Verteilungen, Korrelationen und Zeitreihen.
  • Von analyze.py im aktuellen Arbeitsverzeichnis gespeicherte Dateien.

Wann er passt

  • Verschaffe dir einen ersten Überblick über eine unbekannte CSV.
  • Finde Datenlücken und mögliche Trends vor tieferer Analyse.

Wann er nicht passt

  • Automatische Typ-/Datumserkennung als validierte Fachanalyse behandeln oder sensible CSVs einem ungeprüften Host offenlegen.

Was er braucht

  • Python 3.8 oder neuer mit pandas 2+, matplotlib 3.7+ und seaborn 0.12+ laut Upstream-Anforderungen.
  • Lokaler Dateizugriff und geeignetes Arbeitsverzeichnis; Datenzugriff des Host-Assistenten folgt dessen eigenen Datenschutzbedingungen.

Dateien im Skill

Datei oder OrdnerWofür sie da ist
SKILL.mdAnalyseablauf und Berichtshinweise.
analyze.pyCSV-Zusammenfassungen und PNG-Diagrammerzeugung.
requirements.txtDeklarierte Python-Paketanforderungen.
resources/sample.csvBeispieldatensatz, kein Beleg für einen anderen Datensatz.

Lizenz laut Repository am 2026-11-18: MIT (README declaration; no LICENSE file).

Beispiel-Prompts

Gib nach der Installation einen dieser Prompts ein; wenn du den Skill beim Namen nennst, wird er sicher verwendet.

  • Prüfe diese CSV und melde leere Zellen vor der Diagrammauswahl.
  • Erkläre, welche Spalten analyze.py als Datum oder Kategorie behandelt, und markiere wahrscheinliche Fehlklassifikationen.
  • Führe eine geprüfte lokale Analyse in einem neuen Ausgabeordner aus, damit vorhandene PNGs nicht überschrieben werden.

So installierst du csv-data-summarizer

Python-Umgebung und Ausgabeordner

Prüfe analyze.py und installiere die Anforderungen in einer isolierten Umgebung. Python und Bibliotheken sind nicht mitgeliefert.

PNG-Namen sind fest und werden im Arbeitsverzeichnis geschrieben. Nutze einen eigenen Ausgabeordner. Die README nennt MIT, aber eine separate LICENSE-Datei fehlte.

Ein Skill ist ein Ordner mit einer SKILL.md-Datei. Du installierst ihn einmal; der Agent liest zu Beginn jeder Sitzung seine kurze Beschreibung und lädt die vollständigen Anweisungen nur, wenn eine Anfrage dazu passt. Wähle die Umgebung, die du nutzt:

Claude Code: den Ordner in deinen Skills-Ordner kopieren

Lege den Ordner des Skills in ~/.claude/skills/ ab, um ihn in jedem Projekt auf diesem Computer zu nutzen, oder in .claude/skills/ innerhalb eines Repositorys, um ihn mit allen zu teilen, die dort arbeiten (committe ihn).

git clone --depth 1 https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill.git
mkdir -p ~/.claude/skills/csv-data-summarizer
git -C csv-data-summarizer-claude-skill archive HEAD | tar -x -C ~/.claude/skills/csv-data-summarizer

Claude Code erkennt neue oder geänderte Skills in diesen Ordnern noch während der Sitzung. Falls der Skills-Ordner beim Start der Sitzung noch nicht existierte, führe einmal /reload-skills aus. Tippe dann /csv-data-summarizer oder beschreib einfach die Aufgabe.

Unter Windows führst du die Befehle in Git Bash oder WSL aus oder kopierst den Ordner mit dem Datei-Explorer an dieselbe Stelle.

Codex, Gemini CLI, Cursor und GitHub Copilot

Diese Agenten lesen dieselben SKILL.md-Ordner. Der einzige Projektordner, den alle vier akzeptieren, ist .agents/skills/; daher kopiert dieser Befehl den Skill dorthin:

git clone --depth 1 https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill.git
mkdir -p .agents/skills/csv-data-summarizer
git -C csv-data-summarizer-claude-skill archive HEAD | tar -x -C .agents/skills/csv-data-summarizer
AgentProjektordnerDein BenutzerordnerHinweise
OpenAI Codex
.agents/skills/
~/.agents/skills/
Tippe $ oder führe /skills aus, um einen Skill auszuwählen; Codex wählt auch selbst einen, wenn deine Aufgabe passt.
Gemini CLI
.agents/skills/
.gemini/skills/
~/.agents/skills/
~/.gemini/skills/
Oder installiere ihn mit gemini skills install <git URL> --path <folder> --consent aus Git. Google hat Gemini CLI für Nutzer der kostenlosen Stufe und von Google One am 18. Juni 2026 durch Antigravity CLI ersetzt; Antigravity nutzt .agents/skills/ im Projekt und ~/.gemini/config/skills/ für dich.
Cursor
.agents/skills/
.cursor/skills/
~/.agents/skills/
~/.cursor/skills/
Tippe im Agent-Chat /, um einen Skill auszuwählen. Cursor liest auch die .claude/skills/-Ordner von Claude Code.
GitHub Copilot
.github/skills/
.agents/skills/
.claude/skills/
~/.copilot/skills/
~/.agents/skills/
Funktioniert in Copilot CLI, im Cloud-Agenten und im Agent-Modus in VS Code, Visual Studio und JetBrains (IDE-Unterstützung hängt von der Version ab). Oder führe gh skill install OWNER/REPOSITORY SKILL aus (Public Preview, GitHub CLI 2.90.0 oder neuer).
Installiere nur Skills, denen du vertraust. Anthropic rät, Skills nur aus vertrauenswürdigen Quellen zu verwenden und bei allen anderen Skills vor der Nutzung jede Datei zu lesen: Ein Skill kann den Agenten anweisen, Befehle auszuführen, Dateien zu lesen oder Daten auf eine Weise zu senden, die seine Beschreibung nicht erwähnt.

Quellen für diese Schritte

Am 2026-11-14 mit der Dokumentation des jeweiligen Anbieters abgeglichen:

Automatischen Bericht prüfen

Fehlwertzahlen und Typübersichten sind nützliche erste Hinweise. Keine leeren Zellen bedeutet nicht, dass reale Daten vollständig oder richtig sind.

Lückenhafte Datumsreihen, konstante Spalten, numerische IDs und sehr viele Kategorien können unbrauchbare Diagramme liefern. Prüfe PNGs und Bericht tatsächlich, statt nur einer Fertigmeldung zu vertrauen.

Fragen zu csv-data-summarizer

Muss ich Daten zu einem Diagrammdienst hochladen?

Das Skript selbst liest lokale CSVs und schreibt lokale PNGs. Der Host-KI-Assistent kann Daten dennoch nach seinen eigenen Bedingungen erhalten.

Wie werden Daten als Datum erkannt?

Das Skript wählt Spaltennamen mit date oder time und versucht eine pandas-Konvertierung. Diese Heuristik muss geprüft werden.

Können numerische IDs Korrelationen verzerren?

Ja. Numerische Spalten gehen in Zusammenfassungen und Korrelationen ein; prüfe Kennungen, statt sinnvolle Beziehungen vorauszusetzen.

Werden alle CSV-Kodierungen und Trennzeichen verarbeitet?

Nicht automatisch. Das Skript nutzt pandas read_csv mit Standardwerten und bietet nicht jede Parseroption an. Ungewöhnliche Dateien müssen angepasst und geprüft werden.

Weitere KI-Skills

Ähnliche Skills

Skill-Kategorien