爬虫数据采集专家：把采集与清洗固化成一套可复用方案
爬虫数据采集专家（@kunlungrowth/kunlun-da-664，v1.0.0，发布者昆仑增长，来源 enterprise，分类 data-analysis）是一个面向企业与个人的数据采集与清洗方案 Skill，基于通用 SKILL.md 格式。它用 Trigger on 关键词（数据采集/爬虫/数据抓取/数据清洗）定义触发时机，把采集到清洗的流程固定下来，调用时不需要额外 API Key。页面快照显示评分 100000、下载 1189、安装 0，因此本文不引用任何用户反馈。写作时官方地址与 SkillHub 页面均抓取失败，已抓取资料中也没有任何安装命令、目录路径或配置字段，故安装一节不给出具体指令，只列出可核对的官方入口，并说明 Cursor、Codex CLI、Claude Code 的加载方式差异在资料中未出现，需自行查阅宿主文档。典型用法按触发词组织，给三个可复现请求示例，并提示关键词匹配的触发约束与合规责任。
Read More数据分析师 Skill：数据清洗、统计分析与可视化一站式处理
数据分析师是一个面向数据分析全流程的 Agent Skill，覆盖数据清洗、统计分析、时间序列分析、可视化代码生成与分析报告自动生成五个环节，基于通用 SKILL.md 格式，发布者 RealQ，坐标 @org-eyw2ohcx/thcjp-data-analyst-cn-101-v2，版本 1.0.0，来源 enterprise，分类 data-analysis，运行时不需要 API Key，适合数据分析师、产品经理、运营人员通过 Agent 完成常规数据分析流程。
Read MoreExcel数据清洗与增强：把 Excel 清洗与跨表关联交给 Agent 的 Skill
本文介绍面向 Excel 的 Agent Skill「Excel数据清洗与增强」，由柏瑜教育发布，来源 enterprise，分类 office-efficiency，版本 1.0.0。Skill 在用户提供 Excel 文件并要求数据清洗、质量分析、预处理、跨表关联或衍生列计算时触发，覆盖扫描诊断、方案确认、清洗执行、数据增强、验证交付五步工作流，适用于多 Sheet、多列、需跨表 VLOOKUP、地址解析、日期计算的文件。它是付费 Skill，但无需 API Key。撰写时官方页面无法打开，安装命令、目录与配置字段未核实，文中未编造，并如实标注了资料中的评分与下载数据。
Read More数据清洗：给 CSV / Excel / Parquet 脏数据做一遍可复现的清理
面向 CSV、TSV、Excel、JSON、JSONL、Parquet 表格数据的通用清洗技能，坐标 @user_e5d8216f/excel-data-cleaner-hpy，版本 1.0.0，社区来源，分类 data-analysis。能力包括去重（完全去重或按指定列）、缺失值处理（删除、填充、智能填充）、格式标准化（去空白、大小写、日期统一、数值转换、删空列、删列、重命名）、IQR 异常值检测、字段格式校验（手机号/邮箱/身份证/邮编/IP/URL）、数据画像（类型推断、分布、高频值）、正则替换与提取、列拆分合并、PII 脱敏（手机号/身份证/姓名/邮箱/银行卡）、目录批量处理、业务规则引擎，以及 Markdown 清洗报告。依赖 Python ≥ 3.10，必需 pandas、numpy、openpyxl，Parquet 需 pyarrow；标签 requires_api_key=false。官方页面本次抓取失败，安装命令与各客户端差异未能核实。资料给出的评分 100000、下载 2289、安装 0。
Read More数据分析全能师：把采集到决策的闭环交给一个 Skill
介绍 SkillHub 社区技能「数据分析全能师」（@user_ff29c4df/data-king，版本 2.4.0）。该 Skill 覆盖采集、清洗、分析、可视化、报表、监测、决策等模块，不需要单独配置 API Key，交付清洗后数据表、可视化图表和日报周报模板，并明确禁止编造数据、爬虫需合规、相关性不等于因果。文章给出官方页面核实到的定位、功能、触发词与使用顺序，并说明 Cursor、Codex CLI、Claude Code 的安装差异。
Read More数据分析与可视化报告：把 CSV/Excel 变成结构化报告
介绍 SkillHub 上的数据分析与可视化报告 Skill，坐标 @user_4f99260d/data-analysis-report-v2，社区来源，分类 data-analysis。它覆盖表格数据分析、报告生成、数据洞察、可视化方案、数据清洗和指标计算六项能力，输入 CSV/Excel，输出结构化分析报告，标注 requires_api_key=false。文章说明了它的定位、核心功能、安装与启用路径，并指出官方未给出独立安装命令和可复现示例；同时提醒其社区作者、安装量为 0 的风险。适合需要频繁产出数据分析报告、又不想重复手工流程的开发者。
Read MoreMulti-MMP Attribution Engine：多平台归因清洗引擎
多渠道投放后，同一转化事件会从多个 MMP 平台各自回传数据，字段、口径、去重规则不一致，人工清洗与对账成本高。本文介绍社区 Skill 🔗 Multi-MMP Attribution Engine（坐标 @user_ede7f505/affiliate-attribution，版本 1.0.0，分类 data-analysis，来源 community，发布者 user_ede7f505，标签 requires_api_key=false，即无需 API Key），定位为「多平台归因清洗引擎」，以通用 SKILL.md 格式分发，页面显示评分 100000、下载 487、安装 0。撰写本文时官方页面多次抓取失败，因此只写已核实信息：明确其无需密钥、属于数据分析类清洗能力；安装命令与可复现用法因无法核实而未作编造，并给出坐标定位与无密钥配置线索；说明典型流程应是交由该 Skill 清洗多平台归因数据后再统计，但输入格式与支持平台需以官方为准。最后列出适用人群与注意事项：安装量为 0、文档极少、清洗不改变上游 MMP 统计口径、版本号 1.0.0 可能变动，建议用真实数据自行验证，并给出官方地址与 SkillHub 页面。
Read MoreExcel数据分析：把清洗、探索、透视看板交给 Skill
介绍 SkillHub 上的「Excel数据分析」Skill（坐标 @kunlungrowth/excel-data，版本 1.0.0，发布者昆仑增长，分类 data-analysis，来源 enterprise，标签 requires_api_key=false）。它面向业务方自持的 Excel 表，按官方简介覆盖数据清洗、探索分析、透视看板三层动作，并在最后输出业务结论与下一步建议，定位为昆仑增长企业 AI 落地服务样例。本文按官方资料说明核心功能、安装与启用情况、典型用法流程、适用场景与注意点：官方页面抓取失败，安装命令、配置字段与可复现示例在资料中缺失，文中如实标注而非编造；同时指出下载 4244、安装 0 的口径差异，建议落地前先核对官方页面。
Read More账单分类助手：把杂乱账单变成可导入记账 App 的标准交易数据
本文介绍一款面向个人记账场景的 Skill，可将支付宝、微信、银行、信用卡等来源的账单或截图统一转换为可导入记账 App 的标准交易数据，支持识别、清洗、分类归一、异常校验、去重和导出 CSV 与审计报告。
Read MoreData Analysis Toolkit：端到端数据分析工具箱
Data Analysis Toolkit 是一个端到端数据分析工具箱，覆盖表格数据、时间序列与机器学习基线建模。它提供数据画像、清洗、验证、可视化、统计检验、ML 建模、时序预测与报告生成能力，通过 CLI 和标准化模块替代零散 pandas 脚本，输出一致且可复现的结果。
Read MorePandas Wrap：让 Pandas 代码更简洁的 AI 辅助工具
Pandas Wrap 是一款由社区开发者 user_922b1001 维护的 AI 辅助工具，基于 SKILL.md 格式，帮助开发者快速生成和优化 Pandas 相关代码，适用于数据清洗、分析和可视化场景。
Read MorePandas Profiling：数据探索与洞察
Pandas Profiling 是一个基于 Pandas 的数据探索工具，通过生成交互式 HTML 报告，展示数据集的多维度统计特征。该 Skill 由社区开发者 user_922b1001 维护，版本 1.0.0，属于 data-analysis 分类。它将复杂的数据检查逻辑封装成 Skill，在支持 SKILL.md 格式的环境（如 Cursor、Claude Code）中直接调用。
Read More数据清洗神器：数据清洗与格式转换
数据清洗神器是 SkillHub 社区发布的数据清洗与格式转换工具，支持脏数据处理、格式标准化、编码转换、多种文件格式互转、正则提取替换、列映射重命名、数据校验以及地址/电话/身份证/邮箱标准化等功能。适用于数据清洗、格式转换、数据标准化、编码问题修复、批量文件互转、正则处理数据等场景。
Read MoreExcel 智能数据清洗分析大师：用自然语言处理 Excel 表格
介绍 Excel 智能数据清洗分析大师，这是一个基于自然语言的 Excel 自动化技能，可批量清洗脏数据、合并拆分多表、自动生成函数、数据透视与可视化图表，适合整理销售/财务/人事表格、批量去重、统计汇总、生成报表等场景。
Read More多源数据清洗器：把多格式脏表交给 Agent 做解析、去重与合并
多源数据清洗器是 SkillHub 社区数据分析类 Skill（@user_26bdbd50/multi-source-data-cleaner，v1.0.2），通过 Python 脚本完成 Excel/CSV/JSON 等解析、字段识别、去重填充、格式统一，Pro 档支持多源合并、AI 打标与飞书输出。文章说明安装命令、环境变量 DATA_CLEANER_API_KEY 与档位限制，并给出 CLI 与 run_clean_pipeline 示例，便于在 Cursor 等客户端启用。
Read More电商数据清洗skill正式版：面向电商数据分析的 SkillHub 社区技能
电商数据清洗skill正式版（@user_cf88f39e/hbxh-ct）是 SkillHub 上社区发布的 data-analysis 类技能，版本 v2.0.9，标签 requires_api_key=false。公开简介以版本说明为主，未列出详细清洗规则。本文依据 SkillHub 页面与官方安装文档，说明定位、平台数据、通过 skillhub CLI 安装到 Cursor 等客户端 skills 目录的步骤，以及文档粒度与安装可用性等注意事项，并给出官方页面与坐标。
Read More清洗数据：面向内部分析流水线的 SkillHub 数据清洗技能
SkillHub 社区技能「清洗数据」（@user_5f8aef2c/cleandata01，v1.0.0）面向企业内部数据分析：接收原始业务数据，过滤空值、剔除重复并输出标准化数据集，供后续分析技能调用；强调仅处理授权数据、内网闭环。本文基于官方简介与 SkillHub 安装文档，说明定位、核心能力、skillhub CLI 安装路径（Cursor、Claude Code、Codex 等）及对话式典型用法，并提示合规与社区维护注意事项。
Read More数据清洗与分析：在 Agent 里处理表格型数据的 Skill
介绍 SkillHub 社区 Skill「数据清洗与分析」（@user_d9bb652a/data-cleaning-analysis，v1.0.0）。适用于 CSV、Excel、JSON、SQL 等表格数据的缺失值、异常值、重复、类型转换、统计摘要、可视化与相关性分析。说明社区来源、requires_api_key=false，以及通过官方提示词或 skillhub install 安装到 Cursor 等 Agent skills 目录的方法与使用触发方式。
Read MoreExcel数据清洗大师：在 AI 对话里完成 Excel 脏数据预处理
Excel数据清洗大师是 SkillHub 社区 Skill（@user_e9988879/excel-data-cleaner，v1.0.0），面向分析师、财务与运营，覆盖去重、缺失值、格式标准化、异常值检测、分列合并与多表汇总。本文基于官方页面与安装文档说明定位、能力与安装：可用 skillhub install 配合 --dir 装入 Cursor、Claude Code 等 skills 目录，或将官方提示词交给 AI 按 skillhub.md 安装；无需 API Key。典型用法为安装后在对话中描述表格与规则，由 Agent 按 SKILL.md 执行清洗。
Read Moredsh-unique: A Pure Node.js Array Deduplication Plugin
`dsh-unique` is a DeepSeek Harness workflow plugin maintained by uckkk, focused on providing efficient array deduplication. As a pure Node.js implementation, it does not rely on network requests, runs quickly, and is suitable for processing list data locally. After installation, its tool can be invoked directly within a session. The plugin depends on a specific version of the DeepSeek library, and because it involves code execution, it is recommended to review the source code and license before installing.
Read MoreIntroduction to the DSH Plugin: satan9394/dsh-dataset-curation Dataset Curation
`satan9394/dsh-dataset-curation` is a DSH plugin integrated into the DeepSeek Harness workflow, designed to address the cumbersome task of dataset curation in agent development. It supports core functions such as data cleaning, quality filtering, diversity processing, splitting, and annotation. Developers can obtain installation instructions from GitHub; when using the plugin, it should be run with the current process permissions, and users are responsible for reviewing the source code license themselves. This tool is suitable for developers who frequently need to normalize and process datasets.
Read MorePandas Tutorial for Beginners: Missing Value Handling from Entry to Practice
This article introduces methods for handling missing values in data analysis. Missing values refer to non-valid values in a dataset, represented as `NaN` in pandas. Before processing, it is necessary to first check: `isnull()` to mark missing values, `isnull().sum()` to count the number of missing values in each column, and `info()` to view the overall distribution of missing values. Processing strategies are divided into deletion and imputation: Deletion uses `dropna()`, which deletes records containing missing values by row (default) or by column; Imputation uses `fillna()`, including fixed values (e.g., 0), statistical measures (mean/median for numerical values, mode for categorical values), and forward/backward filling (`ffill/bfill`, suitable for time series). Taking e-commerce order data as an example, the case first checks for missing values, then uses the mean to impute the "amount" column and the mode to impute the "payment method" column. The core steps of processing are: check for missing values → select a strategy (delete for extremely few values, impute for many values or key data) → verify the result. It is necessary to flexibly choose methods based on the characteristics of the data.
Read More