数字找规律（number-pattern-finder）

把"该用哪个统计方法、这个规律意味着什么"的判断力固化成流程。

何时使用

用户丢来数据文件/粘贴数字并想知道规律；或要求费用异常排查、销售季节性分析、成本驱动因素识别。

执行流程（三层，顺序不可换）

1. 第一层·画像与类型判断（零幻觉，纯规则）
   • scripts/profile_data.py：load_data -> profile_dataframe（行/列/日期列/数值列/脏数字/缺失率）-> judge_type
   • 类型判定必须引用画像证据，禁止跳过画像直接猜
2. 第二层·判断树调度：scripts/analyze.py（规则全文：references/decision-tree.md）
   • 假设检查前置（Shapiro/Levene），不过关降级非参数
   • 期数门槛：月度<24 期禁止季节性结论
   • 相关矩阵必做 FDR 校正；p∈(0.04,0.06) 临界双跑
3. 第三层·五段式报告：scripts/run.py -> scripts/interpret.py（浅色 HTML）
   • 固定五段：这是什么数据 / 用了什么方法为什么 / 发现了什么 / 意味着什么 / 有什么坑
   • 坑话术与出处：references/pitfalls.md（蒸馏自哈夫/摩尔，带行号索引）
   • 结论分档硬纪律：已验证 / 假设 / 待核验

命令

python <skill>/scripts/run.py <data.csv|xlsx> [--out report.html] [--template expense|sales|cost|auto]

Python 需 3.10+，依赖：pandas openpyxl scipy statsmodels scikit-learn matplotlib statsforecast（建议 venv 隔离安装）。

测试集

tests/make_test_data.py（种子 42 可复现）-> sample_expense.csv（828 行费用流水，注入 3 笔大额异常 + 3/9 月季节性）/ sample_sales_monthly.csv（36 期月度销售，趋势 + 12 月旺季 + 1 笔异常月）/ sample_cost_drivers.csv（36 期成本多因素，注入 总成本=40×产量+200×单价+8×能耗，噪音σ=150）。回归验收：三套数据类型判定、方法选择、驱动排名还原必须正确。

红线

• 每条发现必须挂证据（方法+统计量+n）；数字结论必须标档位
• 相关≠因果提示强制挂在所有显著相关后
• 长耗时分析（批量 statsforecast、Phase 3 的 PySR）必须后台跑，防前台超时静默截断

Phase 2（已完成 2026-09-09）

• scripts/forecast.py：statsforecast AutoETS(season_length=12) 12 期预测+95% 区间；样本内残差 |r|>2.5σ 判异常月；季节强度>0.6 判显著；statsforecast 导入失败自动降级为趋势+季节朴素外推
• scripts/finance_templates.py 三个场景模板；auto 规则：流水->expense；时序单数值列->sales；时序多数值列或相关型->cost
  • 费用异常排查：月度环比跳变>40%（先问季节再问异常）+ 分科目 IQR 大额清单（笔数/合计）+ AutoETS 异常月
  • 销售季节性分析：季节强度 + 月度指数（≥115 旺季 / ≤85 淡季）+ 12 期预测区间 + "预算落区间内属正常波动"解读
  • 成本驱动因素识别：Spearman+FDR 相关 + 标准化回归系数排名 + VIF>10 共线警告 + 摩尔因果五标准提示
• 目标列选择 profile_data.pick_target()：优先级 总成本/销售额/利润 > 成本/费用/金额 > 单价（"单价"是因素不是目标——实测踩过的坑）
• 测试集设计纪律：注入关系做回归验收时，噪音σ ≤ 信号σ 的 1/3，否则小样本还原不了排名（实测踩过：σ=500 时排名被打乱，σ=150 干净还原）

Phase 3（未开始）

选配 PySR 符号回归（需 Julia，公式必须回测）；图表增强；SkillHub 发布

版权与署名

本技能为原创工具，免费使用与二次分享；转载请注明出处。

• 作者：七仔的AI工具箱
• 方法论溯源：判断规则与坑话术蒸馏自达莱尔·哈夫《统计陷阱》(How to Lie with Statistics)、David S. Moore 等《统计学的世界》、查尔斯·惠伦《赤裸裸的统计学》，均为原创提炼 + 逐条出处标注，未包含任何受版权保护的原文逐字摘录。
• 使用许可：CC BY 4.0（署名-相同方式共享）。