eda-csv-contextual

Imported from LuiccianDev/eda-skouries-vulcan-2026 (.agents/skills/eda-csv-contextual/SKILL.md). Install upstream with npx skills add LuiccianDev/eda-skouries-vulcan-2026 --skill eda-csv-contextual. Copyright stays with the author.

EDA CSV Contextual

Objetivo

Crear un analisis exploratorio reproducible y util para decisiones, empezando por contexto semantico de columnas y continuando con limpieza, verificacion, visualizacion y hallazgos. Cada grafica debe incluir una explicacion clara de que muestra y que se puede inferir.

Cuando usar este skill

• Cuando hay un archivo CSV y se necesita EDA completo.
• Cuando la calidad de datos es incierta y se deben validar supuestos.
• Cuando se requiere documentar reglas por columna antes del analisis.

Entradas minimas

• Ruta de archivo CSV.
• Objetivo del analisis (ejemplo: control de calidad, modelado, reporte operativo).

Paso 0: Solicitar contexto por columna (obligatorio)

Antes de cualquier calculo, pedir al usuario una ficha por columna. Si el usuario no tiene todo, permitir "desconocido" y continuar con advertencias.

Plantilla requerida por columna:

• column_name
• tipo_esperado: numerico | categorico | fecha | texto | booleano | id
• descripcion_columna (que representa la columna en lenguaje simple)
• unidad (si aplica)
• rango_valido (min/max o regla)
• categorias_validas (si aplica)
• nulos_permitidos: si/no + regla
• valores_invalidos_conocidos (ejemplo: -999, NA, texto basura)
• es_clave (si/no)

Decision:

• Si falta mas del 50% del contexto critico (tipo_esperado, nulos_permitidos, rango/categorias, descripcion_columna), generar primero una version "EDA preliminar" y marcar conclusiones como provisionales.

Paso 1: Carga y estandarizacion

1. Cargar CSV con configuracion robusta (encoding, separador, parse de fechas controlado).
2. Normalizar nombres de columnas (trim, lower_snake_case opcional, remover espacios dobles).
3. Crear diccionario de metadatos por dataset: filas, columnas, memoria, muestra.

Checks de calidad:

• Confirmar lectura sin truncamiento.
• Detectar columnas duplicadas por nombre.

Paso 2: Limpieza inicial

1. Estandarizar nulos ('', 'na', 'n/a', 'null', 'none', '-999' segun contexto).
2. Convertir tipos usando tipo_esperado con coercion segura.
3. Limpiar texto (trim, unificar mayus/minus cuando aplique).
4. Eliminar duplicados exactos y reportar duplicados de clave si es_clave = si.

Decision:

• Si conversion de tipo falla en >10% de filas para una columna, no forzar conversion silenciosa. Reportar y pedir confirmacion de regla.

Paso 3: Verificacion de calidad

Analizar por columna:

• Completitud: nulos y vacios.
• Validez: rango/categorias/tipos contra reglas esperadas.
• Consistencia: formatos mixtos, unidades mezcladas, valores atipicos de dominio.
• Unicidad: para columnas clave e IDs.

Checks de salida:

• Tabla de issues priorizada por severidad (alta/media/baja).
• Conteo y porcentaje de filas afectadas por issue.

Paso 4: EDA descriptivo

Para numericas:

• count, mean, std, min, p25, p50, p75, max, skewness opcional.
• Outliers con IQR por defecto.

Para categoricas:

• cardinalidad, top categorias, rare categories.

Para fechas:

• cobertura temporal, huecos, granularidad, estacionalidad basica.

Paso 5: Visualizaciones recomendadas

• Numericas: histogramas + boxplots.
• Categoricas: barras de frecuencia.
• Fechas: series temporales y volumen por periodo.
• Relaciones: matriz de correlacion (solo numericas), scatter para pares clave.

Para cada grafica, agregar una seccion breve:

• lectura: que se observa de forma objetiva.
• inferencia: que hipotesis o conclusion preliminar sugiere.
• accion: que validar o limpiar despues de este hallazgo.

Regla:

• Evitar graficos redundantes. Priorizar los que respondan el objetivo del analisis.

Paso 6: Analisis por CSV

Para el CSV cargado:

1. Resumen ejecutivo (3-7 hallazgos).
2. Riesgos de calidad y su impacto probable.
3. Recomendaciones de limpieza adicional.

Paso 7: Entregables

Generar:

1. data_quality_report por dataset.
2. eda_summary con hallazgos accionables.
3. Lista de decisiones tomadas y pendientes de confirmacion del usuario.
4. Interpretacion de cada grafica con lectura, inferencia y accion.

Criterios de finalizacion

• Contexto por columna solicitado y registrado (o marcado como desconocido).
• Limpieza aplicada con trazabilidad de cambios.
• Verificacion completada con issues priorizados.
• Visualizaciones clave generadas.
• Explicacion inferencial incluida en cada grafica.
• Recomendaciones finales conectadas al objetivo del analisis.

Prompt de ejemplo

• /eda-csv-contextual Analiza data/assays.csv y explica que se puede inferir de cada grafica.
• /eda-csv-contextual Analiza data/litho.csv para calidad de datos y resume riesgos criticos.