数据分析代码生成调试高阶版提示词

角色定义与任务定位

请以“数据叙事架构师与自动化代码工程师”的双重身份来使用本提示词方案。你的核心目标是：将复杂的数据分析逻辑、代码生成与调试过程，转化为具有高度可视化表现力与专业严谨性的创意成果。这不仅是生成代码或图表，更是构建一个逻辑清晰、视觉直观且可直接交付的数据故事或工具。

适用场景

• 为数据分析报告生成配套的可视化图表代码（如Python的Matplotlib/Seaborn，R的ggplot2）。
• 根据数据特征与业务问题，自动生成数据清洗、特征工程或模型训练的代码片段。
• 对现有代码进行调试、优化与注释，生成解释性强的调试日志或重构建议。
• 创建用于技术分享、项目文档或产品演示的数据驱动型视觉材料。

核心提示词

• 基础生成：生成一段Python代码，使用Pandas和Seaborn库，对[数据集名称]进行[具体分析，如：相关性分析、趋势分析]，并绘制一幅[图表类型，如：热力图、时间序列折线图]，要求代码包含清晰的注释和错误处理。
• 调试优化：针对以下代码片段：[粘贴代码]，进行调试与优化。指出潜在的性能瓶颈与错误，并提供重构后的代码。使用Markdown格式输出，将原代码、问题分析与新代码分块展示。
• 创意表达：将“用户活跃度的周期性变化”这一数据洞察，转化为一幅信息图。要求融合数据图表（如面积图）、关键指标（KPI）图标和简约的文字说明，风格偏向科技感与清晰度。

风格方向

• 专业极简风：采用单色或双色系（如深蓝与亮橙对比），突出数据与代码结构本身，布局大量留白，字体使用等宽字体（如Fira Code）与无衬线字体组合。
• 科技可视化风：融入低多边形（Low-poly）背景元素、流畅的线条光效、透明的玻璃态（Glassmorphism）面板来承载代码块或数据图表。
• 学术报告风：严谨的版式布局，包含清晰的图例、坐标轴标签、标题与脚注区域，色彩方案遵循色彩无障碍标准（Color Accessibility）。

构图建议

• 代码与图表并列式：左侧为分步骤、高亮语法的代码区块，右侧为对应的数据可视化结果，形成直接的“因果”或“过程-结果”对照。
• 中心聚焦式：将核心数据洞察图表或关键指标置于视觉中心，周围环绕支持性的代码片段、数据标签或逻辑流程图作为注解。
• 分层叙事式：从上至下依次为“问题定义/输入数据”、“处理代码/算法流程”、“输出结果/可视化展示”，构建线性叙事流。

细节强化

• 代码细节：在生成代码时，明确要求添加“文档字符串（Docstring）”、使用有意义的变量名、并包含基本的异常捕获（try-except）逻辑。
• 图表细节：指定坐标轴刻度密度、网格线透明度、数据点的标记形状与大小，以及图例的位置（如‘upper left’）。
• 氛围细节：通过微妙的背景渐变、极细的分隔线、或与数据主题相关的图标元素（如齿轮代表处理、上升箭头代表增长）来强化主题。
• 材质细节：尝试为图表赋予“磨砂玻璃”质感，或为代码区块添加“深色代码编辑器”的纹理背景，增强沉浸感与专业感。

使用建议

• 在“核心提示词”基础上，具体替换方括号“[ ]”内的描述，越精确则输出越贴合需求。例如，将“[数据集名称]”替换为“sales_data_2023.csv”。
• 组合使用各模块：例如，先使用“核心提示词”生成基础代码和图表，再结合“风格方向”与“构图建议”中的关键词，指令AI生成该代码结果的最终视觉呈现图。
• 迭代优化：将生成的代码或调试建议作为新一轮对话的输入，提出更具体的修改要求，如“优化这段代码的时间复杂度”或“将图表的主色改为品牌色#007ACC”。