Python开发数据集清洗方案结构化提示词

角色定义与任务定位

请以“数据工程架构师”或“资深数据分析师”的身份，运用这份提示词方案。你的核心目标是：系统化地规划、可视化地呈现或高效生成一套专业、鲁棒的数据集清洗解决方案，用于指导实际开发、撰写技术文档或进行团队协作沟通。

适用场景

• 为新项目设计数据预处理流程架构图或思维导图。
• 编写数据清洗模块的技术设计文档或API说明。
• 为团队培训或知识库创建标准化的数据清洗操作指南。
• 使用AI工具生成示例代码片段、流程图或概念示意图。
• 在报告或演示中，可视化展示数据清洗的关键步骤与价值。

核心提示词

可直接用于代码生成或图像生成的提示词组合：

• 代码生成方向：“生成一个Python函数，使用pandas和numpy，实现以下功能：读取CSV文件，检测并处理缺失值（用中位数填充数值列，用众数填充分类列），删除完全重复的行，对异常值进行IQR检测与封顶处理，最后将清洗后的数据保存为新文件。”
• 视觉/图表方向：“信息图表风格，数据清洗工作流示意图，包含数据导入、质量评估、处理缺失值、处理重复值、格式标准化、异常值处理、数据导出等核心模块，使用箭头连接，配色专业冷静（蓝灰色调）。”
• 文档/架构方向：“撰写一份数据集清洗方案的技术概要，涵盖清洗目标、评估指标（如完整性、一致性、准确性）、分阶段处理步骤（原始数据诊断、清洗规则定义、清洗执行、结果验证）、以及使用的关键Python库（pandas, scikit-learn, dask）。”

风格方向

• 技术专业风：强调逻辑性、结构化和准确性。视觉上偏向清晰的线框图、架构图、流程图，配色多用蓝色、灰色、深绿色系。
• 简洁现代风：扁平化设计，使用图标和简短标签概括每个清洗步骤，适合快速演示和入门指南。
• 详细学术风：包含数据分布对比图（清洗前后直方图/箱线图）、代码注释详解、复杂度与性能考量，适合深度技术文档。

构图建议

• 流程线性构图：从左到右或自上而下的顺序图，清晰展示数据清洗的管道（pipeline）过程。
• 中心辐射构图：将“原始脏数据集”置于中心，四周辐射出不同的清洗分支（去重、填充、转换、过滤），最后汇聚到“干净数据集”。
• 对比式构图：并排展示清洗前后的数据片段、统计摘要或可视化图表，直观体现清洗效果。

细节强化

• 数据状态可视化：在流程中加入代表“数据质量”的视觉元素，如从破碎到完整的图标、纯度变化的颜色、或不断减少的警告标签数量。
• 关键指标标注：在图表旁标注核心指标变化，如“缺失率从15%降至0%”、“重复项减少1200条”。
• 工具链呈现：在示意图中融入Python、Jupyter Notebook、Pandas、SQL等工具logo或代码框，增强技术真实感。
• 错误类型图标化：用不同的图标代表不同的数据问题：水滴代表缺失值、克隆人代表重复值、闪电代表异常值、混乱的标签代表不一致性。

使用建议

• 将“核心提示词”部分稍作修改（如替换为具体数据集名称或业务规则），即可直接输入至代码生成AI（如GitHub Copilot）或文生图模型，快速获得初稿。
• 在实际项目沟通中，可引用本方案中的“构图建议”和“细节强化”点，手绘或指导绘制清洗流程图，提升沟通效率。
• 结合“风格方向”，根据你的受众（技术团队、业务方、学生）选择最合适的表达详略程度与视觉风格。
• 本方案的关键在于“结构化”，在实际使用时，可灵活拆解或重组各模块内容，以适应从五分钟快速演示到五十页详细报告的不同需求。