Vibe Data Analysis

🚀 Vibe 預處理和分析 MCP 服務器（針對 CSV 文件）

這是一款強大的 MCP（模型控制協議）服務器，專門用於 CSV 文件的預處理和分析。它提供了一系列工具，能通過直觀界面實現數據的操作、可視化和分析，為用戶處理 CSV 數據提供了便利。

🚀 快速開始

1. 啟動 MCP 服務器：

uv run mcp

2. 使用 MCP 檢查工具測試服務器：

mcp dev server.py

您可以在 Claude Desktop 中安裝此服務器，並立即通過運行以下命令與之交互：

mcp install server.py

或者，您也可以使用 MCP 檢查工具進行測試：

mcp dev server.py

✨ 主要特性

數據加載與管理

• 可從指定的工作目錄加載 CSV 文件。
• 能夠設置並管理工作目錄。
• 可以列出工作目錄中的文件。
• 能將處理後的數據框保存到新文件中。

數據預處理

• 可處理混合數據類型的列。
• 支持使用多種策略管理空值，如刪除包含空值的行、用均值/中位數/眾數填充、前向/後向填充、用常量填充。
• 能刪除和重命名列。
• 可執行自定義數據框編輯代碼。
• 可將處理後的數據保存到新文件。

數據分析

• 能生成全面的數據描述。
• 可創建相關矩陣及可視化。
• 能處理混合數據類型的列。
• 可執行自定義分析代碼。

數據可視化

• 支持創建多種圖表，如折線圖、柱狀圖、散點圖、直方圖（帶 KDE）、箱線圖、小提琴圖、餅圖、計數圖、核密度估計圖。
• 可通過代碼生成自定義圖表。
• 能將可視化結果保存到工作目錄。
• 可執行自定義可視化代碼。

📦 安裝指南

先決條件

• Python 3.x
• uv（推薦使用的包管理器）。建議使用 uv 管理服務器。

安裝

1. 添加 MCP 及其依賴項：

uv add "mcp[cli]"
uv add pandas matplotlib seaborn numpy

2. 在 Claude Desktop 中安裝服務器：

mcp install server.py

使用 pip 的替代安裝

如果更傾向於使用 pip：

pip install "mcp[cli]" pandas matplotlib seaborn numpy

💻 使用示例

基礎用法

啟動服務器

uv run mcp

測試服務器

mcp dev server.py

安裝服務器

mcp install server.py

高級用法

數據管理

# 獲取當前工作目錄
send_work_dir()
# 設置新的工作目錄
set_work_dir(new_work_dir)
# 列出工作目錄中的文件
list_work_dir_files()
# 加載 CSV 文件到系統中
load_csv(filename)
# 將當前數據框保存到文件
save_global_df(filename)

數據預處理

# 處理混合數據類型的列
handle_column_mixed_types()
# 使用多種策略處理空值
handle_null_values(strategy, columns)
# 刪除指定的列
drop_columns(columns)
# 重命名數據框中的列
rename_columns(column_mapping)
# 執行自定義的數據框編輯代碼
run_custom_df_edit_code(code)

數據分析

# 生成數據框的統計摘要
describe_df()
# 創建相關矩陣及可視化
generate_correlation_matrix()

數據可視化

# 創建多種類型的圖表
plot_graph(graph_type, x_column, y_column, output_filename)
# 執行自定義的可視化代碼
run_custom_viz_code(code)

🔧 技術細節

可用工具

數據管理

• send_work_dir()：獲取當前工作目錄。
• set_work_dir(new_work_dir)：設置新的工作目錄。
• list_work_dir_files()：列出工作目錄中的文件。
• load_csv(filename)：加載 CSV 文件到系統中。
• save_global_df(filename)：將當前數據框保存到文件。

數據預處理

• handle_column_mixed_types()：處理混合數據類型的列。
• handle_null_values(strategy, columns)：使用多種策略處理空值。
• drop_columns(columns)：刪除指定的列。
• rename_columns(column_mapping)：重命名數據框中的列。
• run_custom_df_edit_code(code)：執行自定義的數據框編輯代碼。

數據分析

• describe_df()：生成數據框的統計摘要。
• generate_correlation_matrix()：創建相關矩陣及可視化。

數據可視化

• plot_graph(graph_type, x_column, y_column, output_filename)：創建多種類型的圖表，支持的圖表類型有 'line', 'bar', 'scatter', 'histogram', 'box', 'violin', 'pie', 'count'。
• run_custom_viz_code(code)：執行自定義的可視化代碼。

環境變量

• WORK_DIR：服務器默認的工作目錄路徑。

錯誤處理

支持多種錯誤類型，包括文件未找到、無效參數等。