Das Erstellen von Visualisierungen in Publikationsqualität in Python erfordert Verständnis der matplotlib API, Styling-Optionen und Best Practices. Dieser Skill bietet Vorlagen, Code-Beispiele und Anleitungen zur Fehlerbehebung für die Erstellung professioneller Plots, Diagramme und 3D-Visualisierungen für Forschung und Datenanalyse.

Massenspektrometrie erzeugt komplexe spektrale Daten, die eine spezialisierte Verarbeitung erfordern. Matchms bietet ein vollständiges Python-Toolkit zum Laden, Filtern, Vergleichen und Identifizieren von Verbindungen aus spektralen Daten mit etablierten Ähnlichkeitsmetriken.

Aufgaben im wissenschaftlichen Rechnen erfordern geeignete Hardware-Ressourcen, um effizient zu laufen. Diese Skill erkennt automatisch CPU-Kerne, GPU-Verfügbarkeit, Arbeitsspeicher und Festplattenspeicher, um optimale Rechenstrategien und Bibliotheksauswahl zu empfehlen.

Die Analyse geografischer Daten erfordert spezialisierte Werkzeuge für den Umgang mit Vektorgeometrien, Koordinatensystemen und räumlichen Beziehungen. GeoPandas erweitert pandas, um räumliche Operationen auf geometrischen Typen für eine effiziente Manipulation geospatialer Daten zu ermöglichen.

Greifen Sie auf umfassende FDA-regulatorische Daten zu, einschließlich Arzneimittel, Medizinprodukte, Lebensmittelrückrufe und Substanzinformationen. Suchen Sie nach unerwünschten Ereignissen, Kennzeichnungen, Zulassungen und Rückrufen mit der offiziellen openFDA-API.

Wissenschaftler müssen die Struktur und Qualität verschiedener wissenschaftlicher Datendateien verstehen, bevor sie diese analysieren. Diese Fähigkeit erkennt automatisch Dateitypen, extrahiert Metadaten, führt statistische Analysen durch und generiert umfassende Markdown-Berichte für über 200 wissenschaftliche Formate.

Manuelle Excel-Analysen erfordern stundenlange, sich wiederholende Arbeit. Diese Skill bietet sofort einsatzbereite pandas-Muster zum Lesen, Analysieren und Visualisieren von Tabellendaten in Sekundenschnelle.

Die Verwaltung von Genomik-Daten und die Erstellung von Analyse-Pipelines auf DNAnexus erfordert das Erlernen komplexer APIs und Muster. Diese Anleitung bietet umfassende Unterstützung für die App-Entwicklung, Datenverwaltung und Workflow-Ausführung auf der DNAnexus-Cloud-Plattform.

Vorhersage von 3D-Bindungsposen zwischen Proteinen und kleinen Molekül-Liganden mithilfe modernster Diffusionsmodelle. Erstellen Sie konfidenzbewertete Vorhersagen für strukturbasiertes Drug Discovery und Virtual-Screening-Kampagnen.

Verarbeiten Sie Sequenzierungsdaten der nächsten Generation für ChIP-seq-, RNA-seq- und ATAC-seq-Experimente. Konvertieren Sie BAM-Dateien in normalisierte Coverage-Tracks und erstellen Sie publikationsreife Visualisierungen einschließlich Heatmaps, Korrelationsplots und Profilgraphen.

Die Arbeit mit Moleküldaten in Python erfordert komplexen RDKit-Code. Datamol bietet einfache Funktionen für SMILES-Parsing, Eigenschaftsberechnung und Verbindungsanalyse.

Der Zugriff auf demografische, wirtschaftliche und gesundheitsbezogene Daten aus mehreren globalen Quellen erfordert die Navigation durch komplexe APIs. Diese Skill bietet eine vollständige Anleitung zur Verwendung des Data Commons Python-Clients, um Bevölkerungsstatistiken, Arbeitslosenquoten, BIP-Zahlen und andere öffentliche Datensätze über einen einheitlichen Wissensgraphen abzufragen.

Die Verarbeitung großer Datensätze, die den verfügbaren RAM überschreiten, führt zu Speicherfehlern und langsamer Leistung. Dask bietet Parallel-Computing-Abstraktionen, die pandas- und NumPy-Operationen skalieren, um Daten im Terabyte-Bereich auf Laptops oder Clustern zu verarbeiten.

Die Arbeit mit biologischen Sequenzen, Proteinstrukturen oder genomischen Daten erfordert spezialisierte Werkzeuge. Dieses Skill bietet umfassende Biopython-Dokumentation, um Ihnen zu helfen, FASTA-Dateien zu parsen, NCBI-Datenbanken abzufragen, BLAST-Suchen durchzuführen, Proteinstrukturen zu analysieren und phylogenetische Analysen mit Python durchzuführen.

Die Verwaltung großer annotierter Datenmatrizen für Einzelzell-Genomik-Analysen ist komplex. Dieses Skill bietet umfassende Dokumentation für die AnnData-Bibliothek und ermöglicht die effiziente Handhabung von h5ad-Dateien, Metadaten-Annotationen und Integration mit dem scverse-Ökosystem.

Die Datadata DQL-Skriptsprache basiert auf Starlark-Erweiterungen und unterstützt DataFrame/Series-Datenoperationen, SQL-Abfragen und HTTP-Anfragen. Mit diesem Skill können Sie schnell Skripte zur Datenbereinigung, -transformation und ETL-Verarbeitung erstellen und so manuelle Codierzeit reduzieren.

Datenanalysten und Ingenieure verschwenden Zeit mit dem Wechseln zwischen Datenbankkonsolen und dem Schreiben von Boilerplate-API-Clients. Mit diesem Skill können Sie jede Datadata-Datenquelle abfragen, Tabellenschemata erkunden und Ergebnisse über natürliche Sprachbefehle in einem CLI-Tool herunterladen.

Neue Teammitglieder benötigen klare Anweisungen, um Snowflake-Zugriff anzufordern. Diese Anleitung bietet Schritt-für-Schritt-Anleitungen zum Generieren von RSA-Schlüsseln, Einreichen von Zugriffsanfragen und Verbinden mit Snowflake über CLI, Python oder Webinterface.

Datenbankfehler führen zu langsamen Anwendungen und Datenverlust. Dieser Skill bietet umfassende Prüflisten für Schema-Design, Abfragen, ORM-Muster und Migrationen.

Manuelle Textextraktion aus Bildern und Screenshots ist langsam und fehleranfällig. Dieses Skill automatisiert die OCR-Verarbeitung durch die Scanlume API und liefert strukturierten Text, Markdown, HTML oder Tabellendaten aus Bilddateien.