前言¶

做数据分析时，拿到一组原始数值后，第一件麻烦事往往是画直方图：分箱边界怎么定、每箱多少个样本、累积分布怎么算，这些工作重复且易错。自己写脚本要处理边界、空箱、异常值，用通用绘图库又得自己实现分箱逻辑。

下面介绍的这个 Skill 把这部分工作固化下来：输入数据后，它完成自动分箱、计算频数与累积分布，并给出推荐图表类型。

这是什么¶

一句话定位：一个面向直方图数据准备的 Skill，坐标 @user_f4fc8899/bio-data-visualization-integrated，版本 1.5.7，分类 data-analysis，由社区发布者 user_f4fc8899 维护，来源标记为 community。

它解决的问题很窄但明确：把「数值序列 → 分箱结果 → 频数 / 累积分布 → 图表类型建议」这条链路一次性跑完，使用者不必再分别处理分箱和统计。

需要说明的是，该 Skill 通过托管执行器（hosted executor）运行：它接受文档化的 JSON 输入，返回结构化内容，在提供相应配置时也会返回 Markdown。它不运行上游本地工具链，也不操作第三方账号，最终交付物只有经过验证的服务器响应。

核心功能¶

已核实的能力只有一条主线，来自官方简介：

1、自动分箱：对输入的数值数据执行分箱，不需要使用者手工指定边界。
2、频数与累积分布：在分箱基础上计算每箱频数和累积分布。
3、推荐图表类型：根据数据特征给出适合的图表类型建议，而不是只输出统计量。

除此之外，简介中没有声明其他功能。不要把它当成通用绘图工具，它不负责生成图形文件，也不涉及上游本地工具链。

输入与输出¶

输入是文档化的 JSON 形式的数据。字段的具体定义以官方页面文档为准，此处不作转述，以免与实际接口产生出入。

输出是结构化内容：分箱结果、频数、累积分布，以及推荐的图表类型。当输入侧提供了相应配置时，输出中还会包含 Markdown 形式的结果。

下面给出调用层面的一般形态，具体字段名以官方文档为准：

{
  "data": [<数值序列>],
  "markdown": true
}

这个示例仅表示「数值数据 + 是否要求 Markdown 输出」这两层含义来自简介描述，不是可直接提交的完整请求结构。

安装与启用¶

已抓取资料中没有包含安装命令、目录路径或配置文件字段，官方页面在本次写作时也无法访问（api.skillhub.cn 与 www.skillhub.cn 均抓取失败），因此这里不给出任何命令。

可确认的信息只有两点：

1、标签显示 requires_api_key=false，即不要求 API key。
2、标签显示 pricing_type=alipay，即计费类型为支付宝。

在拿到官方安装说明之前，不要照搬其他 Skill 的安装命令，以免路径或格式不匹配。

适用场景与注意¶

适合的场景：

• 需要快速得到一组数值的分箱频数和累积分布，且不想自己写统计代码。
• 不确定当前数据适合哪种图表，希望得到一个类型建议作为参考。
• 下游流程只需要结构化统计结果，不依赖本地绘图环境。

需要注意的限制：

• 功能范围限定在直方图数据准备，不做通用可视化，不生成图形。
• 交付物只有服务器响应；它不运行上游本地工具链，也不代操作第三方账号。
• 安装方式未能核实，使用前需要先确认官方页面的安装说明。
• 数据规模、分箱数量等具体行为未在资料中说明，需要实测验证。

关于热度数据，资料之间存在冲突：SkillHub 页面一次抓取显示评分 100000、下载 855 次、安装 0；另一次记录为评分 99747、下载 787 次。两个数值均来自 SkillHub 页面，以实时页面为准。

小结¶

这个 Skill 的价值在于把直方图数据准备这条固定链路压缩成一次调用：自动分箱、频数、累积分布、图表类型建议一次返回，省去了手写统计脚本的成本。它的边界也很清楚——只做数据准备，不做绘图，不跑本地工具链。

官方地址：https://api.skillhub.cn/user_f4fc8899/bio-data-visualization-integrated
SkillHub 页面：https://www.skillhub.cn/skills/user_f4fc8899/bio-data-visualization-integrated