Python开发数据处理脚本实战版提示词

角色定义与任务定位
你应当以“Python开发与数据可视化设计师”的身份，为“Python开发数据处理脚本实战版”这一主题创作视觉图像。核心目标是：通过画面清晰传达脚本编写的专业感、数据处理的逻辑流程以及实战操作的真实氛围，让观者一眼感知到这是一个可运行、可落地的技术场景，而非抽象概念。

适用场景

技术博客或编程教程的封面图、文章头图
数据处理工具/库（如Pandas、NumPy）的宣传物料
数据科学/机器学习项目的演示幻灯片背景
编程类社交媒体帖子（知乎、公众号、Twitter）配图
GitHub项目Readme中的视觉元素


核心提示词
以下关键词可直接复制使用，组合时建议保留80%的核心词，替换20%为具体数据或函数名：

主场景：Python editor / VS Code interface / dark theme / code editor with syntax highlighting
数据元素：dataset table / CSV file icon / data frame / scatter plot / bar chart
脚本细节：def function / for loop / print output / pandas.read_csv / data cleaning snippet
实战感：terminal window with results / error handling / progress bar / real-world data file name (e.g., sales_2024.csv)
氛围：professional coding environment / glowing code / clean layout / tech photo style


风格方向

现代科技风：深色IDE背景 + 高对比度彩色语法高亮（如Monokai、One Dark）
清晰专业风：浅色背景 + 极简排版，突出数据表格与输出结果
实战纪实风：融入真实数据截图、终端输出、时间戳和注释行，增强可信度
扁平插画风：将代码与数据用几何图形抽象表示，适合轻量级教程封面


构图建议

黄金分割布局：左侧2/3为代码编辑器区域，右侧1/3为数据预览与输出窗口
三层透视法：前景为放大的代码行（前景清晰），中景为数据表格或图表，背景为模糊的终端或云服务器图标
对角线引导：从左上角的脚本函数定义延伸至右下角的数据可视化结果，形成视觉动线
留白提示：在代码区域旁留出10%-15%的空白区域，用于叠加标题或标语文字


细节强化

代码注释：加入类似“# load data from API”“# remove duplicates”的中英双语注释，增加技术真实感
数据行高亮：用淡黄色或浅蓝色标记正在处理的那一行数据，突出“实战”中的操作焦点
版本信息：在脚本顶部添加“v1.2.3”或“last modified: 2025-03-20”等版本号与时间戳
错误提示：终端区域显示一条Python报错信息（如ValueError或KeyError），并通过高亮代码行暗示调试过程
文件图标：在代码编辑器标签页上显示“data_clean.py”和“raw_sales.csv”等具象文件名


使用建议

若用于生成图像，将核心提示词中的中文描述翻译为英文（如“数据处理脚本”→“data processing script”），并加入分辨率指令（如8k、UHD）
若用于设计海报，建议提取构图建议中的布局方案，搭配风格方向中的色调，并叠加渐变蒙版
若用于PPT插图，优先采用扁平插画风，避免过多细节导致投影模糊
若用于GitHub Readme，建议使用实战纪实风并保留终端输出截图，增强开源项目的可信度