Data Analysis
偏度分析器
分析数据偏度来衡量概率分布的不对称性并识别数据模式
text· 文本结果打开工具
快速开始
用三种语言从你的代码中调用此工具。
cURL
curl -X POST 'https://api.elysiatools.com/zh/api/tools/skewness-analyzer' \
-H 'Content-Type: application/json' \
-d '{"dataInput":"输入您的数据值，用逗号或换行分隔...\n\n示例：\n- 单列：1, 2, 3, 4, 5, 6, 7, 8, 9, 10\n- 多列：1, 5, 3, 8, 2, 9, 4, 7, 6, 10\n- 每行一个值：1\n2\n3\n4\n5","dataFormat":"single","analysisType":"comprehensive","detectOutliers":true}'API 参考
以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
请求端点
HTTP
POST https://api.elysiatools.com/zh/api/tools/skewness-analyzer请求参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| dataInput | textarea | 是 | — |
| dataFormat | select | 是 | — |
| analysisType | select | 是 | — |
| detectOutliers | checkbox | 否 | 使用IQR方法识别和分析数据集中的异常值 |
响应格式
文本结果
JSON
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}MCP 集成
将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
服务配置
将以下内容加入你的 MCP 客户端配置：
mcp.json
{
"mcpServers": {
"elysiatools-skewness-analyzer": {
"name": "skewness-analyzer",
"description": "分析数据偏度来衡量概率分布的不对称性并识别数据模式",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=skewness-analyzer",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}列出可用工具
连接到 SSE 端点后，列出已开放的工具：
tools/list
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}调用此工具
通过工具 id 调用，参数由其参数表构建：
tools/call
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "skewness-analyzer",
"arguments": {
"dataInput": "输入您的数据值，用逗号或换行分隔...\n\n示例：\n- 单列：1, 2, 3, 4, 5, 6, 7, 8, 9, 10\n- 多列：1, 5, 3, 8, 2, 9, 4, 7, 6, 10\n- 每行一个值：1\n2\n3\n4\n5",
"dataFormat": "single",
"analysisType": "comprehensive",
"detectOutliers": true
}
}
}可用逗号分隔的 toolId 在一个会话中串联多个工具，例如 /mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp（最多 20 个）。
有问题或反馈？请联系 [email protected]