python-sandbox
تنفيذ Python لتحليل البيانات والتصور المرئي
هل تحتاج إلى تحليل البيانات أو إنشاء الرسوم البيانية أو إنشاء التقارير؟ يتيح هذا الصندوق الآمن لمساعدي الذكاء الاصطناعي تشغيل كود Python بشكل آمن مع دعم كامل لمكتبات Pandas وMatplotlib وscikit-learn وأدوات إنشاء المستندات.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "python-sandbox". تحليل بيانات المبيعات وإنشاء رسم بياني
النتيجة المتوقعة:
- تم تحميل البيانات بنجاح: 1,250 صف × 8 أعمدة
- المقاييس الرئيسية: إجمالي المبيعات 2.3 مليون، المتوسط 1,840
- الفئة الأعلى: الإلكترونيات (35% من المبيعات)
- تم إنشاء رسم بياني يوضح اتجاه المبيعات الشهرية
استخدام "python-sandbox". بناء نموذج تصنيف
النتيجة المتوقعة:
- تم تحميل مجموعة البيانات: 500 عينة، 20 خاصية
- دقة التدريب: 94.2%، دقة الاختبار: 91.8%
- أهمية الخصائص: تم تحديد أهم 3 خصائص
- تم حفظ النموذج في /data/model.joblib
استخدام "python-sandbox". إنشاء تقرير Word
النتيجة المتوقعة:
- تم إنشاء التقرير بـ 5 أقسام
- تم تضمين جدول الإحصائيات الموجزة
- تم تضمين 3 رسوم بيانية من التحليل
- تم حفظ الملف: /data/sales_report.docx
التدقيق الأمني
مخاطر منخفضةThis is a legitimate Python code execution sandbox skill. Network is disabled, filesystem access is restricted to /data directory, and code runs in an isolated Docker container with 6GB memory limits and 90-second timeout. All 444 static findings are false positives triggered by documentation patterns (markdown code blocks, base64 encoding examples, and prohibited operation warnings). No malicious behavior detected.
عوامل الخطر
⚙️ الأوامر الخارجية (2)
📁 الوصول إلى نظام الملفات (2)
درجة الجودة
ماذا يمكنك بناءه
تحليل البيانات
تنظيف مجموعات البيانات وإجراء التحليل الإحصائي وإنشاء تصورات مرئية للحصول على رؤى الأعمال.
بناء نماذج التعلم الآلي
تدريب نماذج التصنيف والانحدار والسلاسل الزمنية باستخدام scikit-learn وLightGBM.
إنشاء التقارير
إنشاء تقارير Excel ومستندات Word وعروض PDF تلقائية من البيانات.
جرّب هذه الموجهات
Read data.csv from /data and create a bar chart showing sales by category using Matplotlib. Save the chart and display it.
Load the Excel file from /data, show basic statistics, and create a summary report with key metrics.
Build a classification model using the uploaded dataset. Split into train/test, evaluate accuracy, and show feature importance.
Create a professional PDF report with analysis results, include charts from the data analysis, and output as downloadable file.
أفضل الممارسات
- استخدم DuckDB لمجموعات البيانات الكبيرة لتجنب تحميل الملف بالكامل في الذاكرة
- احفظ النتائج المؤقتة في /data لسير العمل متعدد الخطوات
- قم دائماً باستدعاء plt.show() لتفعيل التقاط الرسم البياني وعرضه
- قسّم التحليلات المعقدة إلى كتل كود متسلسلة متعددة
تجنب
- تحميل ملف CSV بحجم 100 ميجابايت+ بالكامل في Pandas دون تقسيم
- عدم استدعاء plt.show() بعد إنشاء الرسوم البيانية
- إنشاء ملفات إخراج متعددة في تنفيذ كود واحد
- استخدام تعريفات الفئات (class) غير المدعومة في بيئة الصندوق الآمن