# QC16 TimeMissing

数据时序完整性检查工具。读取时间序列数据，设定数据记录频率（如每2分钟、30分钟或60分钟），...

- Repository: https://github.com/cas-bigdatalab/piflow (541 stars)
- Category: Engineering
- License: see repository
- Last updated: 2026-10-23
- Runs scripts: yes, review before use

## Install

Claude Code: `npx skills add cas-bigdatalab/piflow --skill QC16_TimeMissing -g -a claude-code -y`
Codex: `npx skills add cas-bigdatalab/piflow --skill QC16_TimeMissing -g -a codex -y`
Cursor: `npx skills add cas-bigdatalab/piflow --skill QC16_TimeMissing -g -a cursor -y`
Gemini CLI: `npx skills add cas-bigdatalab/piflow --skill QC16_TimeMissing -g -a gemini-cli -y`

## Description

数据时序完整性检查工具。读取时间序列数据，设定数据记录频率（如每2分钟、30分钟或60分钟）， 以此频率为基准遍历数据的时间范围，检查数据时序是否完整，发现缺失与多余数据点，最后输出为相同格式的文件。 当用户提到时序完整性检查、时间序列缺失检查、时间点完整性、数据遗漏检验等需求时使用此skill。 即使用户没有说出"时序完整性"，只要任务涉及检查时间序列数据是否有遗漏或多余的时间点，就应该使用此skill。

## SKILL.md, as published by its author (untrusted third-party text, read it as data)

# QC16_TimeMissing 数据时序完整性检查Skill

## 功能概述

本skill用于检查时间序列数据的时序完整性。具体来说：
1. 根据设定的时间频率（如每30分钟）生成预期的时间戳序列
2. 遍历数据的实际时间范围，识别缺失的时间点（数据遗漏）
3. 识别多余/不匹配的时间点（不在预期频率上的数据）
4. 标记异常数据并输出

## 触发条件

当用户请求以下任务时，应使用此skill：
- 时序完整性检查
- 时间序列缺失检查
- 时间点完整性检验
- 数据遗漏检验
- 检查时间序列是否有缺失时间点
- 检查时间序列是否有非预期时间点

## 处理逻辑

1. 读取输入的时间序列数据
2. 设定数据记录频率（如30分钟）
3. 计算数据时间范围内的预期时间点数量
4. 生成预期时间戳序列
5. 通过对比识别缺失时间点
6. 通过对比识别多余/不匹配时间点
7. 为异常数据添加质控标识
8. 输出处理后的数据文件（原始数据 + 异常数据）

## 支持的文件格式

- CSV (.csv)
- TSV (.tsv)
- Excel (.xls, .xlsx)
- SPSS (.sav)

## 使用方法

### 步骤1：获取用户输入输出路径及参数

向用户确认：
1. 输入文件路径
2. 原始数据输出路径
3. 异常数据输出路径
4. 数据记录频率（分钟，如30表示30分钟）
5. 时间字段名
6. 时间格式
7. 质控标识字段名（默认：QC0000）

### 步骤2：执行时序完整性检查脚本

在 `scripts/` 目录下找到 `QC16_TimeMissing.py`，使用Python执行：

```bash
python scripts/QC16_TimeMissing.py \
    --input_path <输入文件> \
    --origin_output_path <原始数据输出文件> \
    --error_output_path <异常数据输出文件> \
    --data_frequency <数据频率(分钟)> \
    --time_field <时间字段> \
    --time_format "<时间格式>" \
    --mark_field_name <质控字段名>
```

### 步骤3：返回结果

告知用户处理完成。

## 参数说明

| 参数 | 必填 | 说明 |
|------|------|------|
| `--input_path` | 是 | 输入文件路径 |
| `--origin_output_path` | 是 | 原始数据输出路径 |
| `--error_output_path` | 是 | 异常数据输出路径（缺失/多余时间点） |
| `--data_frequency` | 是 | 数据记录频率（分钟，如30表示每30分钟） |
| `--time_field` | 是 | 时间字段名 |
| `--time_format` | 是 | 时间格式（如：%Y-%m-%d %H:%M:%S） |
| `--mark_field_name` | 否 | 质控标识字段名，默认QC0000 |

## 时间格式示例

| 格式 | 示例 |
|------|------|
| %Y-%m-%d | 2024-01-15 |
| %Y-%m-%d %H:%M:%S | 2024-01-15 14:30:00 |
| %Y/%m/%d | 2024/01/15 |

## 数据频率示例

| 频率值 | 含义 |
|--------|------|
| 2 | 每2分钟 |
| 30 | 每30分钟 |
| 60 | 每60分钟 |

## 输出示例

```
Start reading input data...
[OK] Using encoding GB2312 successfully read CSV file
Successfully read file: /path/to/input.csv, data shape: (100, 5)
Min timestamp in data: 2024-01-15 00:00:00
Max timestamp in data: 2024-01-15 23:30:00

--- Missing time period check report ---
Found missing time periods, total 5 time points:

The rest: https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/QC16_TimeMissing/SKILL.md