CSV-Datenzusammenfassung Skill
Prüfe CSV-Struktur, fehlende Werte und Zahlenzusammenfassungen mit lokalen Python-Diagrammen.
Community · coffeefuelbump| Autor | coffeefuelbump |
|---|---|
| Lizenz | MIT (README declaration; no LICENSE file) |
| Quelle | coffeefuelbump/csv-data-summarizer-claude-skill · SKILL.md auf GitHub |
| Funktioniert in | Claude 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
Was er macht
- Lies die CSV und prüfe Typen sowie leere Zellen.
- Fasse numerische und ausgewählte kategoriale Felder zusammen.
- 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 Ordner | Wofür sie da ist |
|---|---|
SKILL.md | Analyseablauf und Berichtshinweise. |
analyze.py | CSV-Zusammenfassungen und PNG-Diagrammerzeugung. |
requirements.txt | Deklarierte Python-Paketanforderungen. |
resources/sample.csv | Beispieldatensatz, 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-summarizerClaude 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| Agent | Projektordner | Dein Benutzerordner | Hinweise |
|---|---|---|---|
| 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). |
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
D3-Visualisierung Skill
Community · chrisvoncsefalvayErstelle individuelle D3-Diagramme mit expliziten Skalen, responsiven Maßen, Interaktionen und sauberem Aufräumen.Dashmotion Skill
Community · Mars (csthink)Erstelle animierte Fluss- und Architekturdiagramme als eigenständiges HTML mit Strukturprüfungen.Recherchegestütztes Schreiben Skill
Community · ComposioHQRecherchiere, gliedere und überarbeite belegte Artikel, ohne die Stimme des Autors zu verlieren.Matplotlib Skill
Community · K-DenseWissenschaftliche Abbildungen mit Matplotlib entwerfen und exportieren.KI-Infografiken Skill
Community · K-DenseInfografiken mit Recherche, Bildgenerierung und Sichtprüfung erstellen.Markdown und Mermaid Skill
Community · Clayton Young / K-DenseTechnische Dokumentation in Markdown mit Mermaid-Diagrammen schreiben.