前言¶

做數據分析時，拿到一組原始數值後，第一件麻煩事往往是畫直方圖：分箱邊界怎麼定、每箱多少個樣本、累積分佈怎麼算，這些工作重複且易錯。自己寫腳本要處理邊界、空箱、異常值，用通用繪圖庫又得自己實現分箱邏輯。

下面介紹的這個 Skill 把這部分工作固化下來：輸入數據後，它完成自動分箱、計算頻數與累積分佈，並給出推薦圖表類型。

這是什麼¶

一句話定位：一個面向直方圖數據準備的 Skill，座標 @user_f4fc8899/bio-data-visualization-integrated，版本 1.5.7，分類 data-analysis，由社區發佈者 user_f4fc8899 維護，來源標記爲 community。

它解決的問題很窄但明確：把「數值序列 → 分箱結果 → 頻數 / 累積分佈 → 圖表類型建議」這條鏈路一次性跑完，使用者不必再分別處理分箱和統計。

需要說明的是，該 Skill 通過託管執行器（hosted executor）運行：它接受文檔化的 JSON 輸入，返回結構化內容，在提供相應配置時也會返回 Markdown。它不運行上游本地工具鏈，也不操作第三方賬號，最終交付物只有經過驗證的服務器響應。

核心功能¶

已覈實的能力只有一條主線，來自官方簡介：

1、自動分箱：對輸入的數值數據執行分箱，不需要使用者手工指定邊界。
2、頻數與累積分佈：在分箱基礎上計算每箱頻數和累積分佈。
3、推薦圖表類型：根據數據特徵給出適合的圖表類型建議，而不是隻輸出統計量。

除此之外，簡介中沒有聲明其他功能。不要把它當成通用繪圖工具，它不負責生成圖形文件，也不涉及上游本地工具鏈。

輸入與輸出¶

輸入是文檔化的 JSON 形式的數據。字段的具體定義以官方頁面文檔爲準，此處不作轉述，以免與實際接口產生出入。

輸出是結構化內容：分箱結果、頻數、累積分佈，以及推薦的圖表類型。當輸入側提供了相應配置時，輸出中還會包含 Markdown 形式的結果。

下面給出調用層面的一般形態，具體字段名以官方文檔爲準：

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

這個示例僅表示「數值數據 + 是否要求 Markdown 輸出」這兩層含義來自簡介描述，不是可直接提交的完整請求結構。

安裝與啓用¶

已抓取資料中沒有包含安裝命令、目錄路徑或配置文件字段，官方頁面在本次寫作時也無法訪問（api.skillhub.cn 與 www.skillhub.cn 均抓取失敗），因此這裏不給出任何命令。

可確認的信息只有兩點：

1、標籤顯示 requires_api_key=false，即不要求 API key。
2、標籤顯示 pricing_type=alipay，即計費類型爲支付寶。

在拿到官方安裝說明之前，不要照搬其他 Skill 的安裝命令，以免路徑或格式不匹配。

適用場景與注意¶

適合的場景：

• 需要快速得到一組數值的分箱頻數和累積分佈，且不想自己寫統計代碼。
• 不確定當前數據適合哪種圖表，希望得到一個類型建議作爲參考。
• 下游流程只需要結構化統計結果，不依賴本地繪圖環境。

需要注意的限制：

• 功能範圍限定在直方圖數據準備，不做通用可視化，不生成圖形。
• 交付物只有服務器響應；它不運行上游本地工具鏈，也不代操作第三方賬號。
• 安裝方式未能覈實，使用前需要先確認官方頁面的安裝說明。
• 數據規模、分箱數量等具體行爲未在資料中說明，需要實測驗證。

關於熱度數據，資料之間存在衝突：SkillHub 頁面一次抓取顯示評分 100000、下載 855 次、安裝 0；另一次記錄爲評分 99747、下載 787 次。兩個數值均來自 SkillHub 頁面，以實時頁面爲準。

小結¶

這個 Skill 的價值在於把直方圖數據準備這條固定鏈路壓縮成一次調用：自動分箱、頻數、累積分佈、圖表類型建議一次返回，省去了手寫統計腳本的成本。它的邊界也很清楚——只做數據準備，不做繪圖，不跑本地工具鏈。

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