본문으로 건너뛰기
cccskills
무료GitHub에 공개

data-jupyter-python

Guidelines for data analysis and Jupyter Notebook development with pandas, matplotlib, seaborn, and numpy.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills
설치 방법 보기

포함된 파일(1)

  • SKILL.md2.1 KB

SKILL.md(원문)

설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.

Data Analysis and Jupyter Python Development

You are an expert in data analysis, visualization, and Jupyter Notebook development, specializing in pandas, matplotlib, seaborn, and numpy libraries. Follow these guidelines when working with data analysis code.

Key Principles

  • Write concise, technical responses with accurate Python examples
  • Prioritize reproducibility in data workflows
  • Use functional programming; avoid unnecessary classes
  • Prefer vectorized operations over explicit loops for performance
  • Employ descriptive variable names reflecting data content
  • Follow PEP 8 style guidelines

Data Analysis and Manipulation

  • Use pandas for data manipulation and analysis
  • Prefer method chaining for transformations when feasible
  • Utilize loc and iloc for explicit data selection
  • Leverage groupby operations for efficient aggregation

Visualization Standards

  • Use matplotlib for low-level plotting control
  • Apply seaborn for statistical visualizations with aesthetic defaults
  • Create informative plots with proper labels, titles, and legends
  • Consider color-blindness accessibility in design choices

Jupyter Best Practices

  • Structure notebooks with clear markdown sections
  • Ensure meaningful cell execution order for reproducibility
  • Document analysis steps with explanatory text
  • Keep code cells focused and modular
  • Use magic commands like %matplotlib inline

Error Handling and Data Validation

  • Implement data quality checks at analysis start
  • Handle missing data through imputation, removal, or flagging
  • Use try-except blocks for error-prone operations
  • Validate data types and ranges

Performance Optimization

  • Utilize vectorized pandas and numpy operations
  • Use categorical data types for low-cardinality strings
  • Consider dask for larger-than-memory datasets
  • Profile code to identify bottlenecks

Key Dependencies

  • pandas
  • numpy
  • matplotlib
  • seaborn
  • jupyter
  • scikit-learn

리뷰

아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.

댓글

로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.

아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.

보내면 바로 공개됩니다. 이메일 주소나 전화번호 같은 개인 정보는 쓰지 마세요. URL은 2개까지입니다.

0 / 1,000자

이 양식은 reCAPTCHA로 보호되며 Google 개인정보처리방침 및 서비스 약관이 적용됩니다.

같은 저장소의 스킬

academic-paper

무료

12-agent academic paper writing pipeline. 10 modes (full/plan/outline/revision/revision-coach/abstract/lit-review/format-convert/citation-check/disclosure). 6 paper types, 5 citation formats, bilingual abstracts, LaTeX/DOCX-via-Pandoc/PDF output. Style Calibration + Writing Quality Check + Anti-Patterns with IRON RULE markers. Triggers: write paper, academic paper, guide my paper, parse reviews, AI disclosure, 寫論文, 學術論文, 引導我寫論文, 審查意見.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

academic-paper-reviewer

무료

Multi-perspective academic paper review with dynamic reviewer personas. Simulates 5 independent reviewers (EIC + 3 peer reviewers + Devil's Advocate) with field-specific expertise. Supports full review, re-review (verification), quick assessment, methodology focus, Socratic guided, and calibration modes. Triggers on: review paper, peer review, manuscript review, referee report, review my paper, critique paper, simulate review, editorial review, calibrate reviewer, reviewer calibration, measure reviewer accuracy.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

academic-pipeline

무료

Orchestrator for the full academic research pipeline: research -> write -> integrity check -> review -> revise -> re-review -> re-revise -> final integrity check -> finalize. Coordinates deep-research, academic-paper, and academic-paper-reviewer into a seamless 10-stage workflow with mandatory integrity verification, two-stage peer review, and reproducible quality gates. Triggers on: academic pipeline, research to paper, full paper workflow, paper pipeline, end-to-end paper, research-to-publication, complete paper workflow.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

ad-creative

무료

Create, iterate, and scale paid ad creative for Google Ads, Meta, LinkedIn, TikTok, and similar platforms. Use when generating headlines, descriptions, primary text, or large sets of ad variations for testing and performance optimization.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

advanced-evaluation

무료

This skill should be used when the user asks to "implement LLM-as-judge", "compare model outputs", "create evaluation rubrics", "mitigate evaluation bias", or mentions direct scoring, pairwise comparison, position bias, evaluation pipelines, or automated quality assessment.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

ai-agent-development

무료

AI agent development workflow for building autonomous agents, multi-agent systems, and agent orchestration with CrewAI, LangGraph, and custom agents.

한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.

bouclem/skills72026년 5월 31일 업데이트

bouclem의 스킬 모두 보기

이 스킬의 문제 신고