Data Merge Concat 数据纵向拼接 Skill

功能概述

本skill用于将多个具有相同列结构的数据文件纵向拼接（按行合并）。

文件1:          文件2:          合并结果:
| A | B |       | A | B |       | A | B |
|---|---|----       |---|---|       |---|---|
| 1 | 2 |       | 5 | 6 |       | 1 | 2 |
| 3 | 4 |       | 7 | 8 |       | 3 | 4 |
                                | 5 | 6 |
                                | 7 | 8 |

触发条件

当用户请求以下任务时，应使用此skill：

• 数据拼接/纵向合并
• 行合并/数据追加
• 多文件上下合并

核心参数说明

必需参数

参数	说明
--input_files	输入文件路径，多个文件用逗号分隔
--output	输出文件路径

可选参数

参数	说明	默认值
--ignore_index	是否忽略原索引重新编号	True
--use_dask	是否使用Dask处理大数据	False
--blocksize	Dask分块大小	64MB

输入文件格式

所有输入文件必须具有相同的列结构（列名和列数一致）。支持的格式：

• CSV (.csv)：逗号分隔值
• TSV (.tsv)：制表符分隔值
• Excel (.xls, .xlsx)：电子表格
• SPSS (.sav)：SPSS 数据文件

示例输入结构（file1.csv）：

experiment,treatment,value,baseline,remark
A,control,10,100,normal
A,control,11,101,normal

使用方法

基本用法（纵向拼接多个CSV文件）

python scripts/run_data_merge_concat.py \
  --input_files "file1.csv,file2.csv,file3.csv" \
  --output merged.csv

保留原索引

python scripts/run_data_merge_concat.py \
  --input_files "file1.csv,file2.csv" \
  --output merged.csv \
  --ignore_index False

使用Dask处理大数据

python scripts/run_data_merge_concat.py \
  --input_files "large1.csv,large2.csv" \
  --output merged.csv \
  --use_dask True \
  --blocksize "128MB"

输出示例

命令行输出：

[OK] Data merge completed!
   Engine: pandas
   Merge type: concat
   Input files: 3
   Total rows before merge: 4, 2, 6
   Total rows after merge: 12
   Total columns after merge: 5
   Output file: merged.csv

输出CSV格式：

experiment,treatment,value,baseline,remark
A,control,10,100,normal
A,control,11,101,normal
A,treat,12,120,normal
B,control,20,200,normal
B,treat,100,500,outlier

环境要求

本skill使用标准Python数据科学库：

pip install pandas openpyxl xlrd xlwt

可选依赖（大文件Dask模式）：

pip install dask[dataframe]

注意事项

1. 所有输入文件必须具有相同的列结构和列数
2. 输出文件格式由输出路径的扩展名决定
3. 大文件合并建议开启Dask模式（--use_dask True）
4. 混合编码文件（UTF-8/GBK）会自动检测编码