csv-data-summarizer-claude-skill — インストール & ライブデモ

なぜ使うのか

主な機能

CSVカラムの自動プロファイリング（データ型推論、null率、カーディナリティ）
数値カラムとカテゴリカラムの要約統計
欠損データのヒートマップ＋カラムごとのnullカウント
簡易ビジュアライゼーション：数値カラムのヒストグラム、カテゴリカラムの棒グラフ
Python + pandasで動作、ローカル環境で実行

ライブデモ

実際の動作

csv-data-summarizer-claude-skill.replay ▶ 準備完了

0/0

インストール

作者のリポジトリ · Claude Skills の公式ドキュメント

ユースケース

実用的な使い方： csv-data-summarizer-claude-skill

pandasを書かずに新しいCSVの全体像を把握する方法

👤 アナリスト、PM、他人のデータを引き継いだ人 ⏱ ~10 min beginner

使うタイミング： CSVを渡されて、他の作業に取りかかる前に中身を把握する必要があるとき。

フロー

Claudeにファイルを指定する

Summarize data/sales_2024.csv — columns, nulls, and basic stats.✓ コピーしました

→ カラムごとのデータ型、null率、最小値/最大値またはトップ値
欠損データの診断を依頼する

Which columns have systematic nulls? Any row-level patterns?✓ コピーしました

→ 曖昧な「一部にnullあり」ではなく、具体的なカラムが指摘される
簡易ビジュアルをリクエストする

Save histograms for all numeric columns into ./charts/.✓ コピーしました

→ PNGファイルがディスクに保存される

結果： 5分以内にデータセットの全体像を1ページで把握できます。

注意点

巨大なCSVがトークン予算を超過する — 探索にはClaudeにサンプル（nrows=10000）を読ませ、統計処理はPythonでフルファイルに対して実行する
データ型の誤推論（日付が文字列として読み込まれる等） — どのカラムが日付かClaudeに伝える。pandasのparse_datesが有効

組み合わせ： filesystem

パイプラインのデータ品質ゲートとしてサマライザーを使う

👤 受信CSVを検証するデータエンジニア ⏱ ~30 min intermediate

使うタイミング： 日次CSVを受け取り、後続ステップの前に異常を検出したいとき。

フロー

期待される形状のベースラインを作成する

Record the summary for last week's file as the baseline.✓ コピーしました

→ ベースラインJSONが保存される
本日分をベースラインと比較する

Compare today's CSV to the baseline — flag null-rate shifts >5%, new/missing columns, dtype changes.✓ コピーしました

→ 具体的な異常を含む差分レポート
問題があれば明確にフェイルさせる

If any flags are critical, exit non-zero so CI fails.✓ コピーしました

→ 非ゼロ終了＋可読性のある理由

結果： 不良データがウェアハウスを汚染する前に検出できます。

注意点

閾値が過敏でノイズの多い失敗が頻発する — 適用前に30日分のベースラインでキャリブレーションする

組み合わせ： github

組み合わせ

他のMCPと組み合わせて10倍の力を

csv-data-summarizer-claude-skill + filesystem

CSVのディレクトリに対して実行し、各ファイルの横にレポートを保存する

For every CSV under data/, save a matching *_profile.md file summarizing it.✓ コピーしました

csv-data-summarizer-claude-skill + jupyter

プロファイルをノートブックに取り込んでさらに探索する

Take the profile and create a Jupyter notebook with the loaded DataFrame and starter cells.✓ コピーしました

ツール

このMCPが提供する機能

ツール	入力	呼び出すタイミング	コスト
csv-profile	path to CSV	新しいCSVに対する最初のステップ	pandas runtime
missing-data-report	profile	プロファイリングの後	0
quick-charts	profile + output dir	統計と合わせてビジュアルも欲しいとき	matplotlib runtime

コストと制限

運用コスト

APIクォータ: なし
呼び出しあたりのトークン: CSVあたり約2〜5kトークン（Claudeが読み取るデータサンプル分を含む）
金額: 無料
ヒント: nrowsとカラムリストを絞って渡してください。50MBのファイルをそのままClaudeに読ませないこと

セキュリティ

権限、シークレット、影響範囲

認証情報の保管： なし

データ送信先： なし — ローカルのpandasのみ

CSVに個人情報が含まれる場合、生成されたチャートやサマリーも同等に機密として扱ってください

トラブルシューティング

よくあるエラーと対処法

ModuleNotFoundError: pandas

Claude Codeがスクリプトを実行する環境でpip install pandas matplotlibを実行してください。

確認： python -c 'import pandas, matplotlib; print(pandas.__version__)'

UnicodeDecodeError on load

Claudeにエンコーディングを指定してください（例: encoding=latin-1）。または事前にファイルを正規化してください。

確認： file -I path/to.csv

Charts look off for skewed data（偏ったデータでチャートが崩れる）

対数スケールまたはクリップされたヒストグラムをリクエストしてください

代替案

csv-data-summarizer-claude-skill 他との比較

代替案	代わりに使う場面	トレードオフ
jupyter	プロファイルだけでなく、完全なインタラクティブ分析が必要なとき	より重量級。カーネルが必要
excel	データがExcel向き（ピボットテーブル、数式）なとき	自動化が難しい

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る