CSV Data Visualizer

Overview

このスキルは CSV ファイルの包括的なデータ可視化と分析を実現します。主な機能は 3 つです：(1) Plotly を使用した個別のインタラクティブな可視化の作成、(2) 統計的サマリーを含む自動データプロファイリング、(3) マルチプロット ダッシュボードの生成。このスキルは探索的データ分析、統計レポート、およびプレゼンテーション対応の可視化の作成に最適化されています。

When to Use This Skill

以下のリクエストがある場合にこのスキルを使用してください：

• 「この CSV データを可視化してください」
• 「このデータからヒストグラム/散布図/箱ひげ図を作成してください」
• 「[列名] の分布を表示してください」
• 「このデータセット用のダッシュボードを生成してください」
• 「この CSV ファイルをプロファイリング/分析してください」
• 「相関ヒートマップを作成してください」
• 「時系列トレンドを表示してください」
• 「[変数] を [カテゴリ] で比較してください」

Core Capabilities

1. Individual Visualizations

visualize_csv.py スクリプトを使用して、詳細な分析用に特定のチャートタイプを作成します。

Available Chart Types:

Statistical Plots:

# Histogram - 数値データの分布
python3 scripts/visualize_csv.py data.csv --histogram column_name --bins 30

# Box plot - 四分位数と外れ値を表示
python3 scripts/visualize_csv.py data.csv --boxplot column_name

# カテゴリでグループ化した箱ひげ図
python3 scripts/visualize_csv.py data.csv --boxplot salary --group-by department

# Violin plot - 確率密度を含む分布
python3 scripts/visualize_csv.py data.csv --violin column_name --group-by category

Relationship Analysis:

# 自動トレンドライン付き散布図
python3 scripts/visualize_csv.py data.csv --scatter height weight

# 色とサイズでエンコードされた散布図
python3 scripts/visualize_csv.py data.csv --scatter x y --color category --size value

# すべての数値列の相関ヒートマップ
python3 scripts/visualize_csv.py data.csv --correlation

Time Series:

# 単一変数の折れ線グラフ
python3 scripts/visualize_csv.py data.csv --line date sales

# 同じチャート上の複数変数
python3 scripts/visualize_csv.py data.csv --line date "sales,revenue,profit"

Categorical Data:

# 棒グラフ (自動的にカテゴリをカウント)
python3 scripts/visualize_csv.py data.csv --bar category

# 円グラフ (構成)
python3 scripts/visualize_csv.py data.csv --pie region

Output Formats: 出力ファイルを希望する形式の拡張子で指定：

# インタラクティブ HTML (デフォルト)
python3 scripts/visualize_csv.py data.csv --histogram age -o output.html

# 静止画形式
python3 scripts/visualize_csv.py data.csv --scatter x y -o plot.png
python3 scripts/visualize_csv.py data.csv --correlation -o heatmap.pdf
python3 scripts/visualize_csv.py data.csv --bar category -o chart.svg

2. Automatic Data Profiling

data_profile.py スクリプトを使用して、包括的なデータ品質と統計レポートを生成します。

Text Report (デフォルト):

python3 scripts/data_profile.py data.csv

HTML Report:

python3 scripts/data_profile.py data.csv -f html -o report.html

JSON Report:

python3 scripts/data_profile.py data.csv -f json -o profile.json

What the Profiler Provides:

• ファイル情報 (サイズ、寸法)
• データセット概要 (形状、メモリ使用量、重複)
• 列ごとの分析 (型、欠落データ、ユニーク値)
• 欠落データパターンと完全性
• 数値列の統計サマリー (平均、標準偏差、四分位数、歪度、尖度)
• カテゴリ列の分析 (頻度カウント、最頻値・最小頻値)
• データ品質チェック (高い欠落率、重複行、定数列、高いカーディナリティ)

When to Use Profiling: 以下の場合、可視化を作成する前に常にデータプロファイリングを実行することを推奨してください：

• ユーザーがデータセットに不慣れな場合
• データ品質が不明な場合
• 適切な可視化タイプを特定する必要がある場合
• 初めてデータセットを探索する場合

3. Multi-Plot Dashboards

create_dashboard.py スクリプトを使用して、複数の可視化を含む包括的なダッシュボードを作成します。

Automatic Dashboard: データ型を分析し、自動的に適切な可視化を作成：

python3 scripts/create_dashboard.py data.csv

カスタム出力ロケーション：

python3 scripts/create_dashboard.py data.csv -o my_dashboard.html

プロット数を制御：

python3 scripts/create_dashboard.py data.csv --max-plots 9

Custom Dashboard from Config: 正確なプロットを指定する JSON 設定ファイルを作成：

python3 scripts/create_dashboard.py data.csv --config config.json

Dashboard Config Format:

{
  "title": "Sales Analysis Dashboard",
  "plots": [
    {"type": "histogram", "column": "revenue"},
    {"type": "box", "column": "revenue", "group_by": "region"},
    {"type": "scatter", "column": "advertising", "group_by": "revenue"},
    {"type": "bar", "column": "product_category"},
    {"type": "correlation"}
  ]
}

Dashboard Plot Types:

• histogram: 数値列の分布
• box: 箱ひげ図、オプションでカテゴリでグループ化
• scatter: 2 つの数値列の関係
• bar: カテゴリ値のカウント
• correlation: 数値相関のヒートマップ

Workflow Decision Tree

以下のデシジョンツリーを使用して、適切なアプローチを決定します：

ユーザーが CSV ファイルを提供
│
├─ 「このデータをプロファイリング」 / 「このデータを分析」 / 不慣れなデータセット
│  └─> まず data_profile.py を実行
│     その後、調査結果に基づいて可視化オプションを提供
│
├─ 「ダッシュボードを作成」 / 「データの概要」 / 複数の可視化が必要
│  ├─ ユーザーが希望するプロットが明確
│  │  └─> JSON 設定を作成 → 設定付きで create_dashboard.py を実行
│  └─ ユーザーが自動ダッシュボードを望む
│     └─> create_dashboard.py を実行 (自動モード)
│
└─ 特定の可視化をリクエスト (「ヒストグラム」「散布図」など)
   └─> 適切なフラグを使用して visualize_csv.py を実行

Best Practices

Starting Analysis

1. 不慣れなデータセットの場合は常にプロファイリングを実行: python3 scripts/data_profile.py data.csv
2. プロファイリング出力を確認して以下を把握：
   • 列のデータ型と範囲
   • 欠落データパターン
   • データ品質の問題
   • 統計分布

Choosing Visualizations

詳細なガイダンスは references/visualization_guide.md を参照してください。クイックリファレンス：

• Distribution: ヒストグラム、箱ひげ図、バイオリンプロット
• Relationship: 散布図、相関ヒートマップ
• Time series: 折れ線グラフ
• Categories: 棒グラフ (推奨) または円グラフ (控えめに使用)
• Comparison: カテゴリでグループ化された箱ひげ図

Creating Dashboards

• 自動ダッシュボード: 初期探索に最適
• カスタムダッシュボード: プレゼンテーションまたは特定の分析目標に適している
• プロット数を制限: 可読性のために 6～9 個に限定
• 論理的グループ化: 関連する可視化を一緒にグループ化

Output Considerations

• HTML: インタラクティブな探索に最適 (ズーム、パン、ホバーツールチップ)
• PNG/PDF: レポートとプレゼンテーションに最適
• SVG: ベクトルグラフィックスを必要とする出版物に最適

Dependencies

スクリプトには以下の Python パッケージが必要です：

pip install pandas plotly numpy

静止画エクスポート (PNG、PDF、SVG) を使用する場合は、以下もインストールしてください：

pip install kaleido

Example Workflows

Exploratory Data Analysis

# 1. データをプロファイリング
python3 scripts/data_profile.py sales_data.csv -f html -o profile.html

# 2. 自動ダッシュボードを作成
python3 scripts/create_dashboard.py sales_data.csv -o dashboard.html

# 3. 特定のプロットでより深く掘り下げる
python3 scripts/visualize_csv.py sales_data.csv --scatter price sales --color region
python3 scripts/visualize_csv.py sales_data.csv --boxplot revenue --group-by product

Report Generation

# レポート用の特定の可視化を作成
python3 scripts/visualize_csv.py data.csv --histogram age -o fig1_distribution.png
python3 scripts/visualize_csv.py data.csv --scatter income age -o fig2_correlation.png
python3 scripts/visualize_csv.py data.csv --bar category -o fig3_categories.png

# データサマリーを生成
python3 scripts/data_profile.py data.csv -f html -o data_summary.html

Interactive Dashboard

# プレゼンテーション用のカスタムダッシュボードを作成
# 1. 最初に、希望するプロットを含む config.json を作成
# 2. ダッシュボードを生成
python3 scripts/create_dashboard.py data.csv --config config.json -o presentation_dashboard.html

Troubleshooting

「Column not found」エラー:

• データプロファイリングを実行して正確な列名を確認
• CSV 列は大文字と小文字を区別
• 列名の前後のスペースを確認

空またはインコレクトな可視化:

• データ型を確認 (数値 vs カテゴリ)
• プロット列の欠落データを確認
• 十分なnon-null値が存在することを確認

スクリプト実行エラー:

• 依存関係がインストールされていることを確認: pip list | grep plotly
• Python バージョンを確認: Python 3.6 以上が必要
• 画像エクスポート問題の場合は kaleido をインストール: pip install kaleido

Resources

scripts/

• visualize_csv.py: すべてのチャートタイプを備えたメイン可視化スクリプト
• data_profile.py: 自動データプロファイリングと品質分析
• create_dashboard.py: マルチプロット ダッシュボード ジェネレータ

references/

• visualization_guide.md: 適切なチャートタイプの選択、ベストプラクティス、一般的なパターンの包括的なガイド