Pular para o conteúdo

Resumo de dados CSV skill

Inspecione estrutura CSV, valores ausentes e resumos numéricos com gráficos Python locais.

Comunidade · coffeefuelbump
Autorcoffeefuelbump
LicençaMIT (README declaration; no LICENSE file)
Fontecoffeefuelbump/csv-data-summarizer-claude-skill · SKILL.md no GitHub
Funciona emClaude Code · Codex, Gemini CLI, Cursor, Copilot
Lido na fonte em

csv-data-summarizer orienta inspeção Python de linhas, tipos, valores ausentes, distribuições e correlações CSV. analyze.py gera relatório textual e PNGs pertinentes.

O script infere datas por nomes de colunas e usa padrões pandas. Interpretação de domínio, identificadores e agregação de datas exigem revisão; correlação não prova causalidade.

Do SKILL.md da skill: CSV Data Summarizer

Esta é uma skill da comunidade, de coffeefuelbump, sem verificação nossa nem da Anthropic. Skills podem mandar o agente executar código, ler arquivos ou acessar a rede. Antes de instalar, leia o SKILL.md e todos os scripts da pasta, e procure qualquer coisa que não corresponda ao que ela diz fazer.

O que ela faz

  1. Leia o CSV e examine tipos e células ausentes.
  2. Resuma campos numéricos e categorias selecionadas.
  3. Gere gráficos pertinentes e interprete só padrões sustentados pelos dados.

O que você recebe

  • Resumo textual e PNGs de distribuição, correlação e séries temporais quando cabíveis.
  • Arquivos gravados por analyze.py no diretório de trabalho atual.

Quando usar

  • Obtenha uma visão inicial de um CSV desconhecido.
  • Encontre ausências e tendências candidatas antes de aprofundar.

Quando não usar

  • Tratar inferência automática como análise de domínio validada ou expor CSVs sensíveis a host não revisado.

O que ela exige

  • Python 3.8 ou posterior com pandas 2+, matplotlib 3.7+ e seaborn 0.12+, conforme declarado na fonte.
  • Arquivos locais e diretório apropriado; acesso do assistente aos dados segue os termos de privacidade do host.

Arquivos da skill

Arquivo ou pastaPara que serve
SKILL.mdFluxo de análise e orientação de relatório.
analyze.pyResumos CSV e geração de PNGs.
requirements.txtRequisitos declarados de pacotes Python.
resources/sample.csvConjunto de exemplo, não evidência para outro conjunto.

Licença conforme encontrada no repositório em 2026-11-18: MIT (README declaration; no LICENSE file).

Prompts de exemplo

Digite um destes depois de instalar; citar a skill pelo nome garante que ela seja usada.

  • Inspecione este CSV e relate células ausentes antes de escolher gráficos.
  • Explique quais colunas analyze.py trata como datas ou categorias e sinalize possíveis erros.
  • Execute análise local revisada em nova pasta para não sobrescrever PNGs existentes.

Como instalar a skill csv-data-summarizer

Ambiente Python e pasta de saída

Revise analyze.py e instale os requisitos em ambiente isolado. A pasta não inclui Python nem bibliotecas.

Nomes PNG são fixos e gravados no diretório atual. Use pasta dedicada. README declara MIT, mas não havia LICENSE separado.

Uma skill é uma pasta com um arquivo SKILL.md. Você instala uma vez; o agente lê a descrição curta no início de cada sessão e só carrega as instruções completas quando um pedido corresponde a ela. Escolha onde você usa:

Claude Code: copie a pasta para a sua pasta de skills

Coloque a pasta da skill em ~/.claude/skills/ para usá-la em todos os projetos deste computador, ou em .claude/skills/ dentro de um repositório para compartilhá-la com todos que trabalham nele (faça o commit).

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

O Claude Code percebe skills novas ou alteradas nessas pastas durante a sessão. Se a pasta de skills não existia quando a sessão começou, execute /reload-skills uma vez. Depois digite /csv-data-summarizer ou apenas descreva a tarefa.

No Windows, execute os comandos no Git Bash ou no WSL, ou copie a pasta para o mesmo lugar pelo Explorador de Arquivos.

Codex, Gemini CLI, Cursor e GitHub Copilot

Esses agentes leem as mesmas pastas SKILL.md. A única pasta dentro de um projeto que os quatro aceitam é .agents/skills/, então este comando copia a skill para lá:

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
AgentePasta do projetoSua pasta de usuárioObservações
OpenAI Codex
.agents/skills/
~/.agents/skills/
Digite $ ou execute /skills para escolher uma skill; o Codex também escolhe uma sozinho quando a tarefa corresponde.
Gemini CLI
.agents/skills/
.gemini/skills/
~/.agents/skills/
~/.gemini/skills/
Ou instale pelo Git com gemini skills install <git URL> --path <folder> --consent. Em 18 de junho de 2026, o Google substituiu o Gemini CLI pelo Antigravity CLI para usuários do nível gratuito e do Google One; o Antigravity usa .agents/skills/ no projeto e ~/.gemini/config/skills/ para você.
Cursor
.agents/skills/
.cursor/skills/
~/.agents/skills/
~/.cursor/skills/
Digite / no chat do Agent para escolher uma skill. O Cursor também lê as pastas .claude/skills/ do Claude Code.
GitHub Copilot
.github/skills/
.agents/skills/
.claude/skills/
~/.copilot/skills/
~/.agents/skills/
Funciona no Copilot CLI, no agente na nuvem e no modo agente do VS Code, do Visual Studio e dos IDEs da JetBrains (o suporte nos IDEs depende da versão). Ou execute gh skill install OWNER/REPOSITORY SKILL (prévia pública, GitHub CLI 2.90.0 ou mais recente).
Instale só skills em que você confia. A recomendação da Anthropic é usar skills apenas de fontes confiáveis e ler todos os arquivos de qualquer outra skill antes de usá-la: uma skill pode mandar o agente executar comandos, ler arquivos ou enviar dados de formas que a descrição não menciona.

Fontes destas instruções

Conferido com a documentação de cada fornecedor em 2026-11-14:

Inspecione o relatório automático

Contagens de ausências e resumos de tipos são evidências iniciais úteis. Nenhuma célula vazia não prova completude ou exatidão real.

Datas esparsas, colunas constantes, IDs numéricos e muitas categorias podem gerar gráficos pouco úteis. Confira PNGs e relatório, não apenas uma mensagem de conclusão.

Perguntas sobre a skill csv-data-summarizer

Exige upload a um serviço de gráficos?

O script lê CSV local e grava PNG local. O assistente de IA pode receber dados conforme seus próprios termos.

Como detecta datas?

Escolhe nomes de colunas com date ou time e tenta conversão pandas. Essa heurística precisa de inspeção.

IDs numéricos podem distorcer correlações?

Sim. Colunas numéricas entram em resumos e correlações; revise identificadores sem presumir relações significativas.

Trata qualquer codificação ou delimitador CSV?

Não automaticamente. Usa padrões pandas read_csv e não expõe todas as opções. Adapte e verifique arquivos incomuns.

Mais skills de IA

Skills relacionadas

Categorias de skills