04 data cleaning planner

Skill lianxhcn/PXa2026a/skills/core/04-data-cleaning-planner

Lecture

Install

npx -y skills add lianxhcn/PXa2026a --skill 04-data-cleaning-planner

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

3 things to look at

20 days oldThe repository was created 20 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
3 stars3 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Use this skill when planning or reviewing data cleaning for empirical research. Given a variable list and data dictionary, it drafts a cleaning plan; checks whether a merge/join is sound (1:1 vs m:1, key name/case/type/leading-zero consistency, expected match rate); explains the differences among missing-value handling, outliers, winsorizing, trimming, log transform and standardization; recommends exploratory plots given variable types; explores each table's observation unit, grain, primary key and shape (long/wide) into a review checklist; and plans text-variable extraction without hand-writing regex. Emphasizes judgment and human review; never fabricates data, codebooks, or results.

SKILL.md

5.1 KB, as published. Nobody here has run it

data-cleaning-planner（数据清洗计划师）

在动手 merge、reg 之前，帮你把数据清洗先想清楚、再落地。它不替你改数据，而是根据你的变量清单和数据字典，产出可执行的清洗计划、合并逻辑核查、变换选择建议和探索性图形清单——判断权始终在你手里。对应第 2 讲「数据处理、探索性分析与样本构造」的多处 AI 协作。

何时用

拿到一份（或几份）数据，不确定该按什么顺序清洗；
要合并两张表，拿不准用 1:1 还是 m:1、键会不会对不上、该期望多大匹配率；
分不清缺失、离群、缩尾、截尾、对数、标准化各自解决什么、代价是什么；
不知道某个变量该画什么图来检查（分布、离群、组间、样本选择）；
面对来路不明的多张表，想先让 agent 探索结构、生成一张待审清单再动手；
遇到公司名、地址等文本变量，想描述清楚任务、交给技能，而不是自己写正则。

使用方式（提示词）

生成清洗计划 / 数据字典：

这是我的变量清单（表头 + 前几行）：[粘贴]。请生成：(1) 数据字典草稿（每个变量的含义、单位、口径、取值范围、异常提示）；(2) 一份分步清洗计划。凡是拿不准的口径，标出来让我确认，不要编造。

检查 merge / join 逻辑：

表 A：[粒度、主键、行数]；表 B：[粒度、主键、行数]。我打算用 [键] 做 [1:1 / m:1] 合并。请检查：合并类型对不对、两边键在名称/大小写/空格/存储类型/前导零上是否一致、预期匹配率多少、出现 master-only / using-only 各说明什么。先检查与提问，不要写最终代码。

解释各种变换的差别：

针对我的变量 [名称、含义、偏度/极值/缺失比例]，分别解释缺失、离群、缩尾、截尾、对数转换、标准化各解决什么问题、代价是什么、会如何改变回归系数含义，并建议对这个变量先做哪一步、为什么。把判断依据摆出来让我选。

按变量类型建议探索性图形：

我有这些变量 [名称、类型、含义]，研究问题是 [一句话]。请给一份 EDA 图形清单：每项写「画哪种图、对哪些变量、能查什么问题」，优先安排最可能暴露离群、缺失、分组结构、样本选择的图，并给可运行代码骨架，图例统一放图形下方。

探索数据形态、生成待审清单：

这里有若干数据表：[列出]。请逐表报告观察单位与粒度、主键候选（含唯一性检查）、数据形态（long/wide）、潜在问题（重复、异常缺失、同名键类型/大小写不一、粒度不齐），汇成一张待审清单。只报告与提问，不要修改数据。

规划文本变量处理（不陷入正则代码）：

我有一列 [文本变量示例]，想提取 [目标]。请先规划处理步骤，再给可运行代码；对拿不准的匹配规则，先列出让我确认，不要硬编造。

输出约定

清洗计划分步、每步注明「做什么、为什么、动手后查什么」；
合并核查必须给出预期匹配率和键不一致的排查点，而不是直接给合并代码；
变换建议要列取舍依据（保留样本 vs 损失样本、系数含义变化），不替用户拍板；
一切以用户提供的数据与字典为准，不编造变量口径、不虚构数据；拿不准的地方显式标出。

最小使用示例

用 data-cleaning-planner 帮我看一下：我要把一张「公司-年度」财务表和一张「行业代码-行业名」对照表合并，键是行业代码。该用哪种合并？合并后我该查什么？

人工检查清单

AI 给的匹配率、样本量、口径判断，回到真实数据上用 isid、duplicates、tab _merge 复核；
离群值先查明来源（录入错误 vs 真实极端），能改的改、不要一律缩尾；
变量口径、清洗理由要落进变量字典与样本筛选日志（配 06-repro-logger）；
AI 辅助、不替代判断：处理方案是否合适，取决于你的数据和研究问题，最终由你把关。

来源与许可

原创：本课程为「连享会 2026 暑期班·初级班」编写，Agent 无关的开放 Skill，MIT（随仓库 LICENSE-CODE）。
最后验证日期：