Receber por email
← Voltar para o catálogo

data-explore

Profile and explore datasets -- schema inference, distributions, missing values, outliers, correlations. Use when starting work with a new dataset or investigating data quality issues.

2estrelas
Atualizado há 8 meses

Ver no GitHub ↗ Licença: MIT

Como adicionar

/plugin marketplace add giacomogaglione/claude-awesome-stack

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/data-explore/svg)](https://www.skillteca.com.br/skills/data-explore)
#ai

Skills relacionadas

Ver todas de Dados e Análise →

Alerta por categoria

Receba novas skills de Dados e Análise toda segunda

1 email curto, só com as skills novas de Dados e Análise. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Data Exploration Skill

When exploring a dataset, follow this structured approach. Adapt based on whether the data is tabular (CSV/DataFrame), image-based, or text.

1. Schema and Structure

First, understand what you're working with:

  • Load a sample (first 5 rows + last 5 rows)
  • Column names, dtypes, and count of non-null values
  • Dataset dimensions (rows x columns)
  • Memory usage
  • Identify the target variable if this is a supervised learning task

For tabular data:

df.info()


[Description truncada. Veja o README completo no GitHub.]
Compartilhar X LinkedIn