Synthèse de données CSV skill
Examinez structure CSV, valeurs absentes et résumés numériques avec des graphiques Python locaux.
Communauté · coffeefuelbump| Auteur | coffeefuelbump |
|---|---|
| Licence | MIT (README declaration; no LICENSE file) |
| Source | coffeefuelbump/csv-data-summarizer-claude-skill · SKILL.md sur GitHub |
| Fonctionne dans | Claude Code · Codex, Gemini CLI, Cursor, Copilot |
| Lu à la source le |
csv-data-summarizer guide une inspection Python des lignes CSV, types, valeurs manquantes, distributions et corrélations. Le script analyze.py inclus produit un rapport texte et les graphiques PNG pertinents.
Le script repère les dates candidates par le nom des colonnes et utilise les réglages pandas par défaut. Interprétation métier, identifiants et agrégation des dates sont à vérifier ; une corrélation n’est pas une preuve de causalité.
Extrait du SKILL.md du skill : CSV Data Summarizer
Ce qu’il fait
- Lisez le CSV et vérifiez types et cellules vides.
- Résumez les champs numériques et certaines catégories.
- Générez des graphiques pertinents et n’interprétez que les tendances étayées par les données.
Ce que vous obtenez
- Un résumé texte et, selon les données, des PNG de distributions, corrélations et séries temporelles.
- Des fichiers écrits par analyze.py dans le répertoire de travail courant.
Quand l’utiliser
- Obtenez un premier aperçu d’un CSV inconnu.
- Repérez valeurs manquantes et tendances possibles avant d’approfondir.
Quand ne pas l’utiliser
- Prendre l’inférence automatique de types ou dates pour une analyse métier validée, ou exposer des CSV sensibles à un hôte non examiné.
Ce qu’il faut
- Python 3.8 ou ultérieur avec pandas 2+, matplotlib 3.7+ et seaborn 0.12+, selon les exigences déclarées en amont.
- Accès aux fichiers locaux et répertoire de travail adapté ; l’accès de l’assistant hôte aux données relève de ses propres conditions de confidentialité.
Fichiers du skill
| Fichier ou dossier | À quoi il sert |
|---|---|
SKILL.md | Processus d’analyse et conseils de rapport. |
analyze.py | Résumés CSV et génération de graphiques PNG. |
requirements.txt | Dépendances Python déclarées. |
resources/sample.csv | Jeu de données d’exemple, pas une preuve pour un autre jeu. |
Licence trouvée dans le dépôt le 2026-11-18 : MIT (README declaration; no LICENSE file).
Exemples de prompts
Tapez l’un de ces prompts après l’installation ; nommer le skill garantit qu’il sera utilisé.
- Examine ce CSV et indique les cellules vides avant de choisir les graphiques.
- Explique quelles colonnes analyze.py traite comme dates ou catégories et signale les classements probablement erronés.
- Exécute une analyse locale examinée dans un nouveau dossier de sortie pour ne pas écraser les PNG existants.
Comment installer csv-data-summarizer
Environnement Python et dossier de sortie
Installez les dépendances déclarées dans un environnement isolé après examen d’analyze.py. Le dossier n’inclut ni Python ni ses bibliothèques.
Les noms PNG sont fixes et les fichiers vont dans le répertoire courant. Utilisez un dossier dédié. Le README déclare MIT, mais aucun fichier LICENSE séparé n’était présent.
Un skill est un dossier contenant un fichier SKILL.md. Vous l’installez une fois ; l’agent lit sa courte description au début de chaque session et ne charge les instructions complètes que si une demande correspond. Choisissez l’environnement que vous utilisez :
Claude Code : copier le dossier dans votre dossier de skills
Placez le dossier du skill dans ~/.claude/skills/ pour l’utiliser dans tous les projets de cet ordinateur, ou dans .claude/skills/ à l’intérieur d’un dépôt pour le partager avec toutes les personnes qui y travaillent (committez-le).
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 détecte pendant la session les skills nouveaux ou modifiés dans ces dossiers. Si le dossier de skills n’existait pas au démarrage de la session, lancez /reload-skills une fois. Tapez ensuite /csv-data-summarizer ou décrivez simplement la tâche.
Sous Windows, lancez les commandes dans Git Bash ou WSL, ou copiez le dossier au même endroit avec l’Explorateur de fichiers.
Codex, Gemini CLI, Cursor et GitHub Copilot
Ces agents lisent les mêmes dossiers SKILL.md. Le seul dossier que les quatre acceptent dans un projet est .agents/skills/ ; cette commande y copie donc le skill :
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 | Dossier du projet | Votre dossier utilisateur | Remarques |
|---|---|---|---|
| OpenAI Codex | .agents/skills/ | ~/.agents/skills/ | Tapez $ ou lancez /skills pour choisir un skill ; Codex en choisit aussi un quand votre tâche correspond. |
| Gemini CLI | .agents/skills/.gemini/skills/ | ~/.agents/skills/~/.gemini/skills/ | Ou installez-le depuis Git avec gemini skills install <git URL> --path <folder> --consent. Le 18 juin 2026, Google a remplacé Gemini CLI par Antigravity CLI pour les utilisateurs de l’offre gratuite et de Google One ; Antigravity utilise .agents/skills/ dans un projet et ~/.gemini/config/skills/ pour vous. |
| Cursor | .agents/skills/.cursor/skills/ | ~/.agents/skills/~/.cursor/skills/ | Tapez / dans le chat Agent pour choisir un skill. Cursor lit aussi les dossiers .claude/skills/ de Claude Code. |
| GitHub Copilot | .github/skills/.agents/skills/.claude/skills/ | ~/.copilot/skills/~/.agents/skills/ | Fonctionne dans Copilot CLI, l’agent cloud et le mode agent de VS Code, Visual Studio et JetBrains (la prise en charge dans l’IDE dépend de la version). Ou lancez gh skill install OWNER/REPOSITORY SKILL (préversion publique, GitHub CLI 2.90.0 ou ultérieure). |
Sources de ces étapes
Vérifiées dans la documentation de chaque éditeur le 2026-11-14 :
Examiner le rapport automatique
Les comptages de valeurs manquantes et résumés de types sont un premier indice utile. L’absence de cellule vide ne prouve pas que les données réelles soient complètes ou exactes.
Dates clairsemées, colonnes constantes, identifiants numériques et catégories très nombreuses peuvent produire des graphiques peu utiles. Examinez les vrais PNG et le rapport, pas seulement le message de fin.
Questions sur csv-data-summarizer
Faut-il envoyer les données à un service de graphiques ?
Le script lit lui-même des CSV locaux et écrit des PNG locaux. L’assistant IA hôte peut néanmoins recevoir les données selon ses propres conditions.
Comment les dates sont-elles détectées ?
Le script sélectionne les noms de colonnes contenant date ou time, puis tente une conversion pandas. Cette heuristique doit être examinée.
Les identifiants numériques peuvent-ils fausser les corrélations ?
Oui. Les colonnes numériques entrent dans les résumés et corrélations ; examinez les identifiants sans supposer de relation significative.
Tous les encodages et séparateurs CSV sont-ils gérés ?
Pas automatiquement. Le script utilise pandas read_csv par défaut sans exposer toutes les options ; adaptez et vérifiez les fichiers inhabituels.
Plus de skills IA
Skills similaires
Visualisation D3 skill
Communauté · chrisvoncsefalvayCréez des graphiques D3 sur mesure avec échelles explicites, taille adaptative, interactions et nettoyage.Dashmotion skill
Communauté · Mars (csthink)Créez des diagrammes animés de flux et d’architecture en HTML autonome avec contrôles structurels.Rédaction documentée skill
Communauté · ComposioHQDocumentez, structurez et révisez des articles sourcés en préservant la voix de l’auteur.Matplotlib skill
Communauté · K-DenseCrée des graphiques scientifiques à axes explicites.Infographies IA skill
Communauté · K-DenseGénère et examine des infographies raster via OpenRouter.Markdown Mermaid Writing skill
Communauté · Clayton Young / K-DenseÉcrit Markdown et diagrammes Mermaid selon la version.