目录 / 数据精洗工坊
数据精洗工坊
═══════════════════════════════════════════════════════════════ datapurifier · 数据精洗工坊 ═══════════════════════════════════════════════════════════════ 【取名理由与方式】 命名方式：组合造词法 (Portmanteau) - "data" (数据) + "purifier" (净化器) → "datapurifier" - 全小写英文名，符合 SkillHub 命名规范 - 中文名「数据精洗工坊」： · "精洗" 强调比普通清洗更精细、更彻底 · "工坊" 传达手工匠人般的品质感与可定制化 【完整描述】 数据精洗工坊 (datapurifier) 是一个面向数据分析全流程的一站式数据清洗 Skill， 融合基础清洗引擎与高级质量管理能力，提供 30 项经过精心排序的实用功能， 从原始脏数据到分析就绪的干净数据，一条流水线全部搞定。 核心特色： ① 零外部依赖 —— 纯 Python 标准库实现，无需安装第三方包 ② 输入输出标准化 —— 统一 JSON Schema，支持 CSV/TSV/JSON 互转 ③ 无敏感权限 —— 不需要文件系统写入、网络访问、环境变量读取 ④ 可复用可扩展 —— 流水线配置可序列化，支持自定义规则注入 ⑤ 全链路可观测 —— 每项操作生成详细日志与质量评分 【功能架构：4 层有序组合】 Layer 1 - 基础清洗 (Foundation)：#1~#8 — 解决"数据能不能用" Layer 2 - 结构治理 (Structure)：#9~#16 — 解决"数据是否规范" Layer 3 - 质量增强 (Enhancement)：#17~#24 — 解决"数据是否可信" Layer 4 - 编排交付 (Orchestration)：#25~#30 — 解决"流程是否可复用"
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
存档时间线
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-09-22 15:39 | 45e23db2 | 可取 |
版本索引永久保留；内容副本只保留最近 2 版，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。
提交举报 / 纠错
侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。