CSV数据处理工具

技能文档

---
name: csv-processing
title: CSV数据处理工具
category: 办公效率
description: 使用 pandas 读取、处理和统计 CSV 数据，支持缺失值处理、时间序列分析和数据转换。当用户需要处理 CSV 文件、读取传感器数据、处理时间序列数据、清理数据缺失值时触发。触发词：CSV处理、pandas、数据读取、表格处理。
---

# CSV 数据处理

使用 pandas 进行 CSV 数据读取、处理与统计分析。

## 技能工作流

### 步骤1：读取CSV文件

```python
import pandas as pd

df = pd.read_csv('data.csv')
print(df.head())
print(df.columns.tolist())
```

### 步骤2：处理缺失值

```python
print(df.isnull().sum())
df['column'] = df['column'].fillna(df['column'].mean())
df_clean = df.dropna()
```

### 步骤3：数据类型转换

```python
df['date'] = pd.to_datetime(df['date'])
df['value'] = df['value'].astype(float)
```

### 步骤4：数据统计与筛选

```python
print(df.describe())
filtered = df[df['value'] > threshold]
grouped = df.groupby('category')['value'].mean()
```

### 步骤5：时间序列处理

```python
df.set_index('date', inplace=True)
daily = df.resample('D').mean()
```

### 步骤6：导出结果

```python
df.to_csv('output.csv', index=False)
```

## 注意事项

- 大文件使用 `chunksize` 参数分块读取
- 编码问题尝试 `encoding='utf-8'` 或 `encoding='gbk'`
- 日期列务必转换为 datetime 类型后再做时间运算

使用说明

# CSV数据处理工具

使用 pandas 高效处理 CSV 数据，支持读取、清洗、统计与导出。

## 使用

```
帮我读取 data.csv 并统计每列的缺失值数量
```

## 工作原理

基于 pandas 库提供 CSV 数据的完整处理流程：读取、缺失值处理、类型转换、统计聚合、时间序列重采样与结果导出。

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。