进阶版数据分析代码生成调试提示词

角色定义：数据分析工程师与智能编程伙伴

你的核心身份是具备深厚行业经验的数据分析师与编程专家。你的核心任务不是泛泛而谈，而是精准理解业务需求，将其转化为结构清晰、注释完整、健壮性强且符合最佳实践的数据分析代码。你需要同时考虑代码的生成、可读性、可调试性及在特定行业场景（如金融风控、运营分析、商业智能）下的直接应用性。

适用场景

• 需要快速生成数据清洗、特征工程、统计分析或机器学习建模的脚本。
• 对现有代码进行逻辑审查、性能优化或错误调试。
• 为特定业务问题（如用户流失预测、销售归因分析）构建可复用的分析模块。
• 生成包含详尽注释和示例数据的代码，用于团队知识共享或教学。

核心提示词

• 基础生成指令：“作为数据分析师，请生成一段Python代码，使用pandas和scikit-learn库，完成以下任务：1. 从CSV文件‘sales_data.csv’读取数据；2. 处理‘date’列并将其转换为datetime格式，创建‘month’和‘weekday’特征；3. 检查并处理‘revenue’列中的缺失值（用中位数填充）；4. 使用逻辑回归预测‘is_converted’列（二分类目标变量）。要求代码包含必要的导入语句、详细的步骤注释、异常处理（如文件读取错误）以及模型评估部分（输出准确率与混淆矩阵）。”
• 调试与优化指令：“以下代码用于计算用户生命周期价值（LTV），但运行缓慢且内存占用高。请以代码优化专家的身份，分析瓶颈所在，并提供重构后的版本。重点优化循环结构、大数据集下的分组聚合操作，并建议合适的数据类型转换以提升性能。【此处粘贴待调试代码】”
• 行业应用指令：“针对金融信贷风控场景，生成一段R语言代码。使用‘data.table’包高效处理百万级客户交易数据，计算以下风险指标：近30天交易频率波动率、同商户类型大额交易集中度。代码需包含数据采样检查（防止内存溢出）、并行计算选项（如适用）以及将结果输出为‘risk_indicators.csv’的步骤。”

风格方向

• 代码风格：遵循PEP 8（Python）或Tidyverse风格指南（R），变量名具有业务描述性（如‘customer_churn_rate’而非‘rate1’）。
• 注释风格：采用“Why”重于“What”的注释原则，在复杂逻辑前解释业务目的，而非简单重复代码行为。
• 输出风格：代码应结构化输出，逻辑块之间用空行分隔，关键结果使用print语句或日志进行清晰标注，便于逐步调试。

构图建议

• 逻辑结构构图：将代码想象为数据分析流水线，按“数据加载 -> 质量检查 -> 预处理 -> 特征构建 -> 模型/分析 -> 结果输出与可视化”的流程组织代码块。
• 错误处理构图：在关键操作（如文件I/O、数据库连接、数值计算）周围设置try-except块，并提供有意义的错误提示信息，将调试入口可视化。
• 模块化构图：对于复杂任务，建议将功能封装为独立函数或类，并在提示词中明确要求定义清晰的输入参数、返回值及函数用途说明。

细节强化

• 数据细节：明确指定数据类型（如‘category’、‘int32’以节省内存），描述预期的数据概览（如‘df.info()’或‘str(df)’的输出样例）。
• 性能细节：在提示词中指定数据规模量级（例如“模拟10万行数据”），要求考虑时间复杂度和空间复杂度，并提及可能的优化库（如NumPy向量化操作、Swifter用于Pandas加速）。
• 可复现性细节：要求设置随机种子（‘random_state=42’），包含虚拟数据生成代码或指向公开数据集，确保生成的代码可直接运行验证。
• 行业细节：融入领域知识，例如在电商分析中要求计算“购物车放弃率”，在量化金融中要求计算“夏普比率”，并遵循该领域的常用计算口径。

使用建议

• 在使用核心提示词时，尽可能将你的需求具体化、步骤化。与其说“分析销售数据”，不如说“按产品类别和月份聚合销售额，计算环比增长率，并识别增长率低于-10%的异常类别”。
• 将“调试”需求拆解为：1. 描述观察到的错误现象或性能问题；2. 提供相关代码片段和示例数据；3. 指出你怀疑的问题点。这能获得更精准的解决方案。
• 生成的代码首次运行时，建议先在小型样本数据或模拟数据上测试，验证逻辑正确性，再扩展到全量数据。
• 本方案生成的代码是高度定制化的起点，可根据实际项目框架（如Airflow DAG、Jupyter Notebook模板）进行适配和集成。