csv-data-summarizer-claude-skill

為什麼要用

核心特性

自動對 CSV 欄位進行剖析（資料型別推斷、空值百分比、基數）
數值欄位與類別欄位的摘要統計
缺失資料熱圖 + 各欄位空值計數
快速視覺化：數值欄位的直方圖、類別欄位的長條圖
使用 Python + pandas，在本機環境中執行

即時演示

實際使用效果

csv-data-summarizer-claude-skill.replay ▶ 就緒

0/0

安裝

作者儲存庫 · Claude Skills 官方文件

使用場景

實戰用法： csv-data-summarizer-claude-skill

如何在不撰寫 pandas 程式碼的情況下快速瀏覽一份新的 CSV

👤 資料分析師、PM，以及任何接手別人資料的人 ⏱ ~10 min beginner

何時使用： 當你拿到一份 CSV，需要在做任何事之前先了解其內容。

步驟

將 Claude 指向該檔案

Summarize data/sales_2024.csv — columns, nulls, and basic stats.✓ 已複製

→ 各欄位資料型別、空值百分比、最小/最大值或最常見值
要求缺失資料診斷

Which columns have systematic nulls? Any row-level patterns?✓ 已複製

→ 列出具體欄位，而非模糊的「有些空值」
要求快速視覺化圖表

Save histograms for all numeric columns into ./charts/.✓ 已複製

→ PNG 檔案已儲存至磁碟

結果： 在 5 分鐘內建立對該資料集的整體認識。

注意事項

超大 CSV 會耗盡 token 預算 — 讓 Claude 讀取樣本（nrows=10000）進行探索，完整檔案的統計則在 Python 中執行
資料型別推斷錯誤（日期被讀為字串） — 告知 Claude 哪些欄位是日期——使用 pandas parse_dates 可協助處理

搭配使用： filesystem

將摘要工具作為資料管線中的資料品質閘門

👤 驗證輸入 CSV 的資料工程師 ⏱ ~30 min intermediate

何時使用： 當你每天收到一份 CSV，並希望在進入下游步驟前標記異常。

步驟

建立預期格式的基準線

Record the summary for last week's file as the baseline.✓ 已複製

→ 基準線 JSON 已儲存
將今天的資料與基準線比對

Compare today's CSV to the baseline — flag null-rate shifts >5%, new/missing columns, dtype changes.✓ 已複製

→ 包含具體異常的差異報告
發現問題時明確報錯

If any flags are critical, exit non-zero so CI fails.✓ 已複製

→ 非零結束碼 + 可讀的原因說明

結果： 在不良資料汙染資料倉儲前攔截問題。

注意事項

閾值過於敏感導致頻繁誤報 — 在強制執行前先用 30 天的基準線進行校準

搭配使用： github

組合

與其他 MCP 搭配，撬動十倍槓桿

csv-data-summarizer-claude-skill + filesystem

對目錄下的所有 CSV 執行，並將每份報告儲存在對應檔案旁

For every CSV under data/, save a matching *_profile.md file summarizing it.✓ 已複製

csv-data-summarizer-claude-skill + jupyter

將剖析結果放入 Notebook 以便進一步探索

Take the profile and create a Jupyter notebook with the loaded DataFrame and starter cells.✓ 已複製

工具

此 MCP 暴露的能力

工具	輸入參數	何時呼叫	成本
csv-profile	path to CSV	處理任何新 CSV 的第一步	pandas runtime
missing-data-report	profile	剖析完成後執行	0
quick-charts	profile + output dir	當你想要在統計數據旁邊附上視覺化圖表時	matplotlib runtime

成本與限制

運行它的成本

API 配額: none
每次呼叫 Token 數: 每份 CSV 約 2–5k tokens（加上 Claude 讀取的資料樣本）
費用: free
提示: 傳入 nrows 並縮小欄位清單——不要把整個 50MB 的檔案餵給 Claude

安全

權限、密鑰、影響範圍

憑證儲存： 無需儲存任何憑證

資料出站： 無資料外傳——僅在本機執行 pandas

若 CSV 包含個人識別資訊（PII），所產生的圖表與摘要應視為同等敏感的資料

故障排查

常見錯誤與修復

ModuleNotFoundError: pandas

在 Claude Code 執行腳本的環境中執行 pip install pandas matplotlib。

驗證： python -c 'import pandas, matplotlib; print(pandas.__version__)'

UnicodeDecodeError on load

告知 Claude 檔案編碼（例如 'encoding=latin-1'），或事先對檔案進行正規化處理。

驗證： file -I path/to.csv

Charts look off for skewed data

要求使用對數刻度或截斷的直方圖

替代方案