高效数据分析数据集清洗方案提示词

角色定义与任务定位
您应以“资深数据清洗专家”或“数据分析项目负责人”的身份使用本组提示词。核心目标是生成一套系统化、可落地的高效数据集清洗方案，确保数据质量满足专业分析或机器学习建模的要求。提示词将引导您关注清洗流程的每个关键环节，从数据探查到最终验证，生成可直接执行的代码、步骤说明与质量控制建议。

适用场景

构建数据科学项目中的数据预处理模块
对脏数据、缺失值、异常值进行系统性清理
统一多源数据格式，提升数据一致性
为机器学习模型准备高质量训练数据集
撰写数据清洗报告或自动化清洗脚本


核心提示词
以下提示词可直接复制用于生成文本或图像描述，其中涉及的方法、工具与步骤可根据实际数据调整：

“专业数据清洗流程：缺失值检测与多重插补、异常值识别（IQR/Z-score）、数据类型统一、重复记录去重、标准化与归一化”
“高质量数据集清洗方案：使用Pandas/Spark进行数据探查，统计缺失率、分布特征，制定分字段处理规则”
“自动化清洗pipeline：将数据质量规则转化为可复用的脚本，包含数据验证日志与质量评分”
“数据清洗前后对比可视化：展示缺失值填充效果、异常值修正示意图、数据分布变化”


风格方向
整体风格应体现专业、严谨、有条理，同时具备可操作性。具体包括：

专业严谨：使用数据分析领域标准术语，避免模糊表述。
结构化：清洗过程分步骤呈现，每一阶段有输入、处理、输出。
可视化导向：如用于图像生成，宜采用数据流程图、统计图表、表格对比等。
色彩与界面：建议使用蓝色、白色、灰色等商务色，配合数据表格的清晰布局。


构图建议
若将提示词用于视觉生成（如信息图、海报或PPT配图），可参考以下构图：

流程图式：从左至右或从上至下展示“原始数据 → 数据探查 → 缺失值处理 → 异常值处理 → 数据标准化 → 质量验证 → 清洗后数据集”。
对比式：左右或上下分栏，左侧为脏数据表格（含空值、异常值标记），右侧为清洗后整齐数据表，中间用箭头连接。
仪表盘式：围绕数据中心分布多个质量指标卡片，如“缺失率 5%”、“异常值个数 12”、“一致性等级 A+”。
代码与结果并列：左边显示Python/SQL清洗代码片段，右边显示执行后的数据预览。


细节强化
为进一步提升提示词的实用性与真实感，可加入以下细节：

具体数据示例：如“对‘用户年龄’字段的缺失值采用中位数填充，对‘收入’字段的异常值（超过3σ）截断至上下限”
量化指标：要求输出数据清洗前后的质量评分差异，如“缺失率从15%降至0%”
工具与库：明确提及Pandas、NumPy、Scikit-learn、PySpark、OpenRefine等常用工具。
验证方法：增加“清洗后数据完整性检查、逻辑一致性检验、分布保持度评估”等步骤。


使用建议
为确保提示词发挥最大效用，请注意：

根据实际数据集规模与类型调整清洗规则，无需生搬硬套。
将核心提示词作为种子输入给AI助手（如ChatGPT、Midjourney等），进一步细化生成内容。
结合业务背景（金融、医疗、电商等）修改示例字段与清洗逻辑。
对于视觉生成场景，可配合指定输出尺寸（如1920×1080）与风格（扁平化、3D、简约等）。
建议保存为模板，供团队内部数据清洗标准化使用。