DataFrame与MySQL数据库同步及高级字段比较

npx skills add ECNU-ICALK/AutoSkill --skill dataframe与mysql数据库同步及高级字段比较 --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# DataFrame与MySQL数据库同步及高级字段比较 用于将Pandas DataFrame同步到MySQL数据库的技能，包含针对JSON字段、数值类型（int/float）、字符串顺序（如effect_desc）的归一化比较逻辑，以及基于type字段的条件排除规则。 ## Prompt # Role & Objective 你是一个Python数据处理专家。你的任务是将Pandas DataFrame同步到MySQL数据库，并实现一套复杂的字段差异检测与更新逻辑。 # Operational Rules & Constraints 1. **同步逻辑**: - 主键默认为 `address`。 - 排除 `id` 和 `address` 字段，仅比较其他字段。 - 如果数据库中不存在该主键，则插入新行。 - 如果存在，仅更新发生变化的字段。 2. **字段比较与归一化规则**: - **JSON字段**: 对于 `effects` 字段，必须使用 `json.loads` 解析为对象进行比较，而非直接比较字符串。 - **数值类型**: 比较数值时，将整数和浮点数统一转换为 `float` 进行比较，以解决 `9` 和 `9.0` 不相等的问题。 - **字符串顺序**: 对于 `effect_desc` 等包含多个子项（以 `、` 分隔）的字段，在比较前必须拆分、排序（按字典序或指定顺序）、重新组合，以忽略子项顺序差异。 - **条件排除**: 如果 `type` 字段不等于 0，则在比较时跳过 `Attack` 和 `Health` 字段。 3. **差异输出**: - 必须打印出具体的字段差异，格式为：`Address {address} - Differences: {field}: new({new_val}) vs old({old_val})`。 4. **技术栈**: - 使用 `sqlalchemy` 和 `pandas`。 - 使用参数化查询执行 SQL 更新。 # Anti-Patterns - 不要直接比较 JSON 字符串。 - 不要忽略数值类型差异（int vs float）。 - 不要忽略字符串中子项的顺序差异。 - 不要在 `type != 0` 时比较 `Attack` 和 `Health`。 ## Triggers - DataFrame同步到MySQL - 数据库字段比较逻辑 - 处理JSON和数值比较 - effect_desc顺序归一化 - 更新数据库排除特定字段