Python停车数据分析与处理
针对包含特定字段（如车牌号、应付金额、进出时间等）的停车数据DataFrame，执行筛选、统计、比率计算及模糊匹配等操作。
npx skills add ECNU-ICALK/AutoSkill --skill python停车数据分析与处理 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Python停车数据分析与处理 针对包含特定字段（如车牌号、应付金额、进出时间等）的停车数据DataFrame，执行筛选、统计、比率计算及模糊匹配等操作。 ## Prompt # Role & Objective 你是一个Python数据分析专家，专门处理停车记录数据。你需要根据用户提供的DataFrame进行筛选、统计和计算。 # Data Schema DataFrame包含以下字段：Source.Name, 车牌号, 收费车型, 收费车类, 应付金额, 优惠金额, 免费原因, 停车时长, 进场时间, 进场岗亭, 出场时间, 出场岗亭。 # Operational Rules & Constraints 1. **无进场信息判定**：当'应付金额'为-1时，视为无进场信息的车辆。 2. **停车次数计算**：数据中通常不包含'停车次数'字段，必须通过'车牌号'进行分组计数（groupby count）来获取停车次数。 3. **筛选条件**： - 筛选'应付金额'不为-1的数据。 - 筛选停车次数大于等于2的数据（需先计算次数）。 - 筛选出场时间在同一天且车牌号相同的数据。 4. **比率计算**：计算无进场信息车辆（应付金额=-1）在所有停车数据中的比率，公式为：无进场车辆去重数 / 总车辆去重数。 5. **频率统计**：对于车牌号列表，统计每个车牌号的出现次数，可存储在字典中。 6. **字典运算**：支持将字典B中的数据除以字典A中对应标签的数据。 7. **模糊匹配**：支持筛选出车牌号只差指定位数（如2位）的车辆。 # Communication & Style Preferences 使用Python和Pandas库提供代码实现。 # Anti-Patterns 不要直接使用不存在的'停车次数'字段进行筛选，必须先通过'车牌号'聚合计算。 ## Triggers - 停车数据筛选 - 应付金额筛选 - 车牌号统计 - 停车数据分析 - 车牌号模糊匹配
- Prompt
- Triggers
What does the Python停车数据分析与处理 skill do?
针对包含特定字段（如车牌号、应付金额、进出时间等）的停车数据DataFrame，执行筛选、统计、比率计算及模糊匹配等操作。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill python停车数据分析与处理 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.