/ ディレクトリ / プレイグラウンド / csv-data-summarizer-claude-skill
● コミュニティ coffeefuelbump ⚡ 即起動

csv-data-summarizer-claude-skill

作者 coffeefuelbump · coffeefuelbump/csv-data-summarizer-claude-skill

CSVをドロップするだけで、要約統計・欠損データフラグ・簡易チャートが得られます。pandasのコードを書く必要はありません。

CSVファイルに対して自動的に起動するClaudeスキルです。カラムのプロファイリング(データ型、null率、ユニーク数)、要約統計の出力、欠損データパターンの検出、pandasとmatplotlibを使った簡易ビジュアライゼーションの生成を行います。本格的な分析の前のファーストルックツールとして設計されています。

なぜ使うのか

主な機能

ライブデモ

実際の動作

csv-data-summarizer-claude-skill.replay ▶ 準備完了
0/0

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "csv-data-summarizer-claude-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
        "~/.claude/skills/csv-data-summarizer-claude-skill"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "csv-data-summarizer-claude-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
        "~/.claude/skills/csv-data-summarizer-claude-skill"
      ],
      "_inferred": true
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "csv-data-summarizer-claude-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
        "~/.claude/skills/csv-data-summarizer-claude-skill"
      ],
      "_inferred": true
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "csv-data-summarizer-claude-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
        "~/.claude/skills/csv-data-summarizer-claude-skill"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "csv-data-summarizer-claude-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
        "~/.claude/skills/csv-data-summarizer-claude-skill"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json
{
  "context_servers": {
    "csv-data-summarizer-claude-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill",
          "~/.claude/skills/csv-data-summarizer-claude-skill"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add csv-data-summarizer-claude-skill -- git clone https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill ~/.claude/skills/csv-data-summarizer-claude-skill

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方: csv-data-summarizer-claude-skill

pandasを書かずに新しいCSVの全体像を把握する方法

👤 アナリスト、PM、他人のデータを引き継いだ人 ⏱ ~10 min beginner

使うタイミング: CSVを渡されて、他の作業に取りかかる前に中身を把握する必要があるとき。

前提条件
  • Python 3.10以上、pandas、matplotlibがインストール済み — pip install pandas matplotlib
  • スキルがクローン済み — git clone https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill ~/.claude/skills/csv-data-summarizer-claude-skill
フロー
  1. Claudeにファイルを指定する
    Summarize data/sales_2024.csv — columns, nulls, and basic stats.✓ コピーしました
    → カラムごとのデータ型、null率、最小値/最大値またはトップ値
  2. 欠損データの診断を依頼する
    Which columns have systematic nulls? Any row-level patterns?✓ コピーしました
    → 曖昧な「一部にnullあり」ではなく、具体的なカラムが指摘される
  3. 簡易ビジュアルをリクエストする
    Save histograms for all numeric columns into ./charts/.✓ コピーしました
    → PNGファイルがディスクに保存される

結果: 5分以内にデータセットの全体像を1ページで把握できます。

注意点
  • 巨大なCSVがトークン予算を超過する — 探索にはClaudeにサンプル(nrows=10000)を読ませ、統計処理はPythonでフルファイルに対して実行する
  • データ型の誤推論(日付が文字列として読み込まれる等) — どのカラムが日付かClaudeに伝える。pandasのparse_datesが有効
組み合わせ: filesystem

パイプラインのデータ品質ゲートとしてサマライザーを使う

👤 受信CSVを検証するデータエンジニア ⏱ ~30 min intermediate

使うタイミング: 日次CSVを受け取り、後続ステップの前に異常を検出したいとき。

フロー
  1. 期待される形状のベースラインを作成する
    Record the summary for last week's file as the baseline.✓ コピーしました
    → ベースラインJSONが保存される
  2. 本日分をベースラインと比較する
    Compare today's CSV to the baseline — flag null-rate shifts >5%, new/missing columns, dtype changes.✓ コピーしました
    → 具体的な異常を含む差分レポート
  3. 問題があれば明確にフェイルさせる
    If any flags are critical, exit non-zero so CI fails.✓ コピーしました
    → 非ゼロ終了+可読性のある理由

結果: 不良データがウェアハウスを汚染する前に検出できます。

注意点
  • 閾値が過敏でノイズの多い失敗が頻発する — 適用前に30日分のベースラインでキャリブレーションする
組み合わせ: github

組み合わせ

他のMCPと組み合わせて10倍の力を

csv-data-summarizer-claude-skill + filesystem

CSVのディレクトリに対して実行し、各ファイルの横にレポートを保存する

For every CSV under data/, save a matching *_profile.md file summarizing it.✓ コピーしました
csv-data-summarizer-claude-skill + jupyter

プロファイルをノートブックに取り込んでさらに探索する

Take the profile and create a Jupyter notebook with the loaded DataFrame and starter cells.✓ コピーしました

ツール

このMCPが提供する機能

ツール入力呼び出すタイミングコスト
csv-profile path to CSV 新しいCSVに対する最初のステップ pandas runtime
missing-data-report profile プロファイリングの後 0
quick-charts profile + output dir 統計と合わせてビジュアルも欲しいとき matplotlib runtime

コストと制限

運用コスト

APIクォータ
なし
呼び出しあたりのトークン
CSVあたり約2〜5kトークン(Claudeが読み取るデータサンプル分を含む)
金額
無料
ヒント
nrowsとカラムリストを絞って渡してください。50MBのファイルをそのままClaudeに読ませないこと

セキュリティ

権限、シークレット、影響範囲

認証情報の保管: なし
データ送信先: なし — ローカルのpandasのみ

トラブルシューティング

よくあるエラーと対処法

ModuleNotFoundError: pandas

Claude Codeがスクリプトを実行する環境でpip install pandas matplotlibを実行してください。

確認: python -c 'import pandas, matplotlib; print(pandas.__version__)'
UnicodeDecodeError on load

Claudeにエンコーディングを指定してください(例: encoding=latin-1)。または事前にファイルを正規化してください。

確認: file -I path/to.csv
Charts look off for skewed data(偏ったデータでチャートが崩れる)

対数スケールまたはクリップされたヒストグラムをリクエストしてください

代替案

csv-data-summarizer-claude-skill 他との比較

代替案代わりに使う場面トレードオフ
jupyterプロファイルだけでなく、完全なインタラクティブ分析が必要なときより重量級。カーネルが必要
excelデータがExcel向き(ピボットテーブル、数式)なとき自動化が難しい

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る