Pandas

对用户留存、参与度衰减和按 cohort 的功能采用情况进行 cohort-analysis。这个 cohort-analysis 技能面向需要验证、计算、可视化，并从结构化用户行为数据中获得清晰洞察的数据分析工作流。

detecting-beaconing-patterns-with-zeek 可帮助分析 Zeek `conn.log` 的时间间隔，以检测 C2 风格的 beaconing。它使用 ZAT，按源、目的和端口对流量分组，并通过统计检查为低抖动模式打分。适合 SOC、威胁狩猎、事件响应，以及 Security Audit 工作流中的 detecting-beaconing-patterns-with-zeek 使用场景。

analyzing-api-gateway-access-logs 可帮助解析 API Gateway 访问日志，识别 BOLA/IDOR、限流绕过、凭证扫描和注入尝试。它基于 pandas 分析，面向 AWS API Gateway、Kong 和 Nginx 风格日志，适用于 SOC 分诊、威胁狩猎和 Security Audit 工作流。

Seaborn 是一个面向 Python 统计可视化的 seaborn 技能，支持 pandas 友好的输入和强默认样式。可用于快速探索分布、关系、分类对比、箱线图、提琴图、成对图和热力图。基于 matplotlib 构建，适合生成静态、可直接用于发表的图表。

scikit-learn 可帮助你在 Python 中构建经典机器学习工作流。这个 scikit-learn 技能适用于分类、回归、聚类、预处理、模型评估、超参数调优和 pipelines。它是一份面向表格数据和可重复模型开发的实用 scikit-learn 指南。

pydeseq2 是一个面向 bulk RNA-seq 差异基因表达分析的 Python DESeq2 技能。可用于比较不同条件、拟合单因素或多因素设计、执行 Wald 检验和 FDR 校正，并在 pandas 和 AnnData 工作流中生成火山图或 MA 图。

面向 Python 地理空间矢量数据分析的 geopandas 技能，涵盖 shapefile、GeoJSON 和 GeoPackage 文件。可用于读取、清洗、连接、缓冲区分析、裁剪、重投影和导出空间数据，减少试错成本。

chdb-datastore 是一个兼容 pandas 的技能，借助 ClickHouse-backed DataStore API 提供快速数据分析。它支持文件、数据库和云端连接器，支持跨数据源联表，并且只需对 pandas 风格工作流做少量代码改动。若你希望为更大规模数据集提供一个可直接替换的分析层，这份 chdb-datastore 指南会很合适。