数据分析Python脚本编写专业版提示词

角色定义与任务定位
你应以资深数据分析工程师或Python开发者的身份，为需要快速完成数据清洗、统计建模或自动化报表任务的团队（或自己）编写一套专业、可维护的脚本。目标是：让脚本既满足当下分析需求，又具备良好的可读性、扩展性与异常处理能力，成为团队内部的数据处理标准模板。

适用场景

  从CSV、Excel、数据库等源批量导入并清洗数据（缺失值、异常值、重复值处理）
  执行分组统计、透视表、时间序列分析等常规探索性数据分析
  生成可视化图表（matplotlib/seaborn）并导出为报告附件
  将处理结果自动写入数据库或生成汇总Excel文件
  构建可复用的数据管道（ETL脚本），支持定时任务或参数化运行


核心提示词
以下提示词可直接复制到ChatGPT或代码生成工具中，用于描述脚本的核心逻辑：

  “用pandas读取多个CSV文件，按日期列合并，处理缺失值（数值列填充中位数，分类列填充众数），检测并删除超过3个标准差的异常值”
  “按用户ID分组，计算每月消费总额和消费频次，生成宽表格式，保留注册日期和活跃天数作为额外维度”
  “使用seaborn绘制每个分组的箱线图，按指标列分面，保存为600dpi的PNG图片并添加标题和图例”
  “将最终数据写入MySQL数据库的analysis_results表，如果表已存在则先删除再重建，写入时批量commit”
  “添加argparse参数解析，支持–input_path、–output_mode（excel/db）、–date_range等可选参数”


风格方向

  代码规范：严格遵循PEP8，变量名使用snake_case，常量全大写；每行不超过79字符，函数与类之间空两行
  注释风格：每个函数头部用docstring描述参数、返回值和示例；关键步骤（如数据透视、合并）旁边加行内注释说明业务含义
  模块化：将数据读取、清洗、分析、可视化、导出分别封装为独立函数或类，主程序仅调用流程
  日志与调试：使用logging模块记录INFO和WARNING级别日志，异常捕获时输出完整traceback并记录到文件


脚本结构建议

  文件头部：模块说明、作者、版本、依赖库清单（requirements.txt引用）
  配置区：定义文件路径、数据库连接参数、控制阈值（如缺失率上限）等全局变量
  数据读取模块：支持多种格式自动嗅探（csv/xlsx/parquet），统一返回DataFrame并校验列名
  清洗模块：分步骤处理——空值、重复、异常、类型转换，每个步骤可作为独立可开关的执行单元
  分析模块：聚合统计、相关性计算、特征工程等，结果以字典或DataFrame列表形式返回
  可视化模块：接收分析结果，调用绘图函数并保存图像，支持多图拼接
  输出模块：灵活选择Excel（多sheet）、数据库、CSV，并提供进度条反馈
  主函数、入口点：if __name__ == "__main__": 调用argparse解析参数，依次执行各模块并捕获顶层异常


细节强化

  性能优化：对大数据集使用chunksize分块读取，用cudf替换pandas（如果GPU可用），尽量减少链式操作中的中间副本
  错误处理：每个文件读取时包裹try/except，记录失败的文件名并跳过；聚合函数遇到空分组时返回NaN而非报错
  内存管理：及时del不再使用的大变量，并调用gc.collect()；对DataFrame使用inplace减少拷贝
  可复现性：在所有随机采样、模型训练步骤前设置seed，并将seed作为参数暴露在配置中
  国际化：列名、注释使用英文为主，中文仅用于业务注释；时区统一为UTC，在输出时转为本地时间


使用建议

  将核心提示词中的每一条作为独立Prompt输入到代码生成工具中，逐个迭代生成对应的函数体，不要一次性要求生成完整脚本（避免遗漏细节）
  运行前先手动准备一批小样本数据（10~100行）做单元测试，确保清洗与分析逻辑正确
  将生成的脚本放入项目目录，配合`pre-commit hook`进行PEP8自动检查和类型标注提示（mypy）
  对落库输出部分，建议先在本地SQLite数据库测试，通过后再切换到生产环境MySQL/PostgreSQL
  每次修改后更新docstring中的版本号，并生成README.md说明输入输出格式