data-cleaning-pipeline
使用流水线清理杂乱数据
杂乱的数据集会拖慢分析并产生不可靠的结果。此技能可帮助 Claude、Codex 和 Claude Code 规划清理步骤，用于去重、缺失值处理、格式规范和异常检查。
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
Review the Skillstore skill "data-cleaning-pipeline" from https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline.md and its manifest at https://skillstore.io/api/skills/zhangchenlai-dev-data-cleaning-pipeline/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“data-cleaning-pipeline”。 客户导出数据包含重复电子邮件、空白电话号码和混用的国家/地区名称。
预期结果:
输出将列出清理优先级、重复项匹配规则、缺失字段补全指导，以及标准国家/地区命名检查。
正在使用“data-cleaning-pipeline”。 调查数据包含自由文本标签、跳过的答案和不可能的年龄值。
预期结果:
输出将提出规范化规则、缺失回复类别、年龄范围验证，以及异常记录的审查队列。
正在使用“data-cleaning-pipeline”。 每周销售文件的列名会变化，且货币格式不一致。
预期结果:
输出将定义列映射检查、货币标准化步骤，以及加载到仪表板前的审批标准。
安全审计
安全SKILL.md contains readable Markdown front matter and prose for a data cleaning assistant. The entropy heuristic appears caused by Chinese text and symbols, with no evidence of obfuscated payloads, prompt injection, network use, filesystem access, or command execution.
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/zhangchenlai-dev-data-cleaning-pipeline/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/zhangchenlai-dev-data-cleaning-pipeline.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
Hermes-Sedimentary. (2026). data-cleaning-pipeline security audit report (audit version 4) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline/audits/4BibTeX 引用
@techreport{hermes-sedimentary-zhangchenlai-dev-data-cleaning-pipeline-2026,
author = {Hermes-Sedimentary},
title = {data-cleaning-pipeline security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline/audits/4},
note = {Author version 1.0.0}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "data-cleaning-pipeline security audit report (audit version 4)"
version: "1.0.0"
type: report
authors:
- name: "Hermes-Sedimentary"
date-released: "2026-07-08"
url: "https://skillstore.io/skills/zhangchenlai-dev-data-cleaning-pipeline/audits/4"
identifiers:
- type: other
value: "skillstore:zhangchenlai-dev-data-cleaning-pipeline:audit:4"
description: "Skillstore immutable audit report identifier"
Skillstore 评分
评分依据 证据置信度: 中你能构建什么
准备销售数据
为重复客户、不一致日期和缺失收入字段创建清理计划。
审查调查回复
规划针对空白答案、不一致标签和异常回复模式的检查。
标准化报表输入
定义可重复的清理步骤，然后再将每周文件加载到仪表板中。
试试这些提示
我有一个杂乱的 CSV，包含重复行、空白字段和不一致的日期格式。创建一个简单的清理计划。
审查这些列名和示例问题。按风险对清理任务排序，并解释应先修复什么。
在此数据集进入分析工作流之前，为客户、订单和支付字段设计验证检查。
为每周导入创建一个可重复的数据清理工作流，包括检查点、审查步骤和验收标准。
最佳实践
- 在请求计划之前，分享示例列、已知问题和预期分析目标。
- 在应用任何清理更改之前，保留原始数据集的副本。
- 与领域负责人一起审查高影响更改，例如去重和插补。
避免
- 不要在未经审查的情况下对受监管数据或财务数据应用自动修复。
- 在理解离群值是否代表真实事件之前，不要删除它们。
- 不要在同一工作流中混合探索性清理和最终生产规则。
常见问题
此技能会自动清理文件吗？
哪些数据类型最适合？
它能处理缺失值吗？
它能检测异常吗？
这对 ETL 工作有用吗？
它需要 Python 吗？
开发者详情
许可证
MIT
作者版本
v1.0.0
Skillstore 修订
r1
引用
64ca8af0f54a325752f08bd54e52151061ea659a
维护新鲜度
2026/7/20
使用量
1 次下载 · 2 次浏览
文件结构
📄 SKILL.md