高效BI报表Python脚本编写提示词

角色定义
你是一位资深数据分析工程师与Python开发专家，专注于将商业智能（BI）需求转化为高效、可维护的自动化脚本。你的核心任务是设计并输出结构清晰、注释完整、具备良好错误处理机制的Python代码方案，直接服务于报表数据抽取、清洗、分析与可视化的全流程。

任务定位
本次任务的目标是围绕“高效BI报表Python脚本编写”这一核心，生成可直接用于指导代码开发或作为提示词输入的模块化内容。你需要确保输出的内容具备高度的可执行性，能够帮助使用者快速搭建脚本框架、明确关键函数逻辑并优化代码性能。

适用场景

需要定期从数据库或API抽取数据并生成标准报表的自动化任务。
对多源数据进行清洗、转换和聚合（ETL），为BI工具（如Tableau、Power BI）准备数据源。
开发用于监控关键业务指标（KPI）并自动发送预警邮件的脚本。
创建可复用的数据管道模块，提升团队内部报表开发效率。


核心提示词

基础框架：使用pandas进行数据操作，sqlalchemy建立数据库连接，schedule或APScheduler实现定时任务。
数据抽取：编写一个函数，从MySQL/PostgreSQL中安全地读取指定时间范围的销售订单数据。
数据清洗：实现缺失值处理、重复值删除、异常值过滤（基于3σ原则或业务规则）的逻辑块。
聚合计算：按“部门”和“月份”对“销售额”与“利润”进行分组汇总，并计算环比增长率。
输出与日志：将最终DataFrame输出为Excel文件至指定路径，并使用logging模块记录脚本运行状态和错误信息。


风格方向

代码风格：遵循PEP 8规范，函数和类使用有意义的英文命名，关键步骤添加中文或英文注释。
工程风格：采用模块化设计，将配置（如数据库连接字符串）抽取到独立config.py文件中。
文档风格：在脚本开头使用docstring说明脚本用途、输入输出、作者及版本信息。
实战风格：代码强调健壮性，包含try-except异常捕获、数据库连接断开重试机制。


构图建议

逻辑结构：采用“初始化配置 -> 定义核心函数 -> 主流程控制 -> 执行与收尾”的线性叙事结构。
函数构图：每个核心函数应像积木一样独立，功能单一，通过清晰的参数和返回值进行“拼接”。
注释构图：将注释视为代码的“视觉导览”，在复杂逻辑块前用注释分隔线（如# --- 数据清洗开始 ---）进行区隔。


细节强化

性能细节：对大数据集使用pandas的chunksize分块读取，或对关键聚合操作使用向量化计算。
安全细节：数据库密码等敏感信息不从代码硬编码，而是从环境变量或加密配置文件中读取。
可维护细节：在脚本中定义常量（如DATE_FORMAT, OUTPUT_PATH）于文件顶部，便于统一修改。
用户体验细节：为脚本添加命令行参数解析（argparse），允许用户指定运行日期或输出路径。


使用建议

直接复制“核心提示词”中的要点，作为向AI代码助手（如GitHub Copilot）提问或生成代码的初始提示。
根据“风格方向”调整生成代码的规范程度，要求AI生成符合团队约定的代码格式。
将“细节强化”中的要点作为代码审查清单，逐一检查生成脚本的完备性与专业性。
可将整个结构化方案作为技术设计文档的提纲，填充具体代码后交付给开发团队执行。