高质量BI报表Python脚本编写提示词

角色定义与任务定位

请以“商业智能解决方案架构师”或“资深数据分析工程师”的身份，运用你的专业知识和经验。你的核心目标是：生成一套清晰、结构化、可直接用于指导AI或团队编写高质量、可维护、高性能BI报表Python脚本的详细指令与约束条件，确保脚本能高效处理数据、生成可视化报表并融入自动化流程。

适用场景

• 为特定业务指标（如销售、运营、财务）开发自动化数据提取、清洗与报表生成脚本。
• 构建可复用的数据管道模块，用于定期刷新BI仪表板。
• 将复杂的数据处理逻辑封装成规范、文档清晰的Python函数或类。
• 优化现有报表脚本的性能与可读性。
• 为新项目制定标准化的脚本开发模板与规范。

核心提示词

以下提示词组合可直接使用或作为基础进行扩展：

• 编写一个Python脚本，使用pandas和sqlalchemy从MySQL数据库的`sales_2024`表中提取数据，计算每月分地区的销售额与环比增长率，并使用matplotlib生成包含折线图与柱状图的PDF报告。
• 创建一个Python类`WeeklyReportAutomator`，集成数据验证、异常值处理（使用IQR方法）和日志记录功能。使用Plotly生成交互式HTML仪表板，并通过SMTP自动发送给指定邮件列表。
• 开发一个模块化脚本，使用configparser读取配置文件，通过API获取JSON格式的实时运营数据，使用pandas进行数据透视，最后用openpyxl将结果输出到格式化的Excel模板中。

风格方向

• 代码风格：遵循PEP 8规范，强调函数化、模块化设计。代码结构应清晰，包含充分的注释和文档字符串（docstring）。
• 工程风格：面向生产环境，注重错误处理（try-except）、日志记录（logging模块）和配置外部化。
• 输出风格：生成的报表或可视化图表应具备专业、简洁的商务外观，配色统一（如使用Seaborn的“deep”调色板），图表元素（标题、标签、图例）完整且清晰。

构图建议（代码结构与流程）

• 分层结构：脚本应按“数据获取 -> 数据清洗与转换 -> 业务计算 -> 可视化/报告生成 -> 输出/分发”的逻辑流进行组织。
• 模块化构图：将不同功能封装为独立函数或类，例如`DataConnector`、`DataCleaner`、`ReportGenerator`，主脚本负责协调调用。
• 注释框架：在关键逻辑块、复杂计算和函数定义前添加简明注释，说明意图和算法。

细节强化

• 性能细节：提示词中可指定对大数据集使用`pandas`的`chunksize`参数或`Dask`库；明确内存优化技巧。
• 可视化细节：指定图表类型（如堆叠柱状图、面积图、散点矩阵）、图形尺寸（dpi=300）、字体大小以及公司品牌色Hex值。
• 健壮性细节：要求加入连接重试机制、数据完整性检查、空值处理策略（如填充或标记）和任务执行状态通知。
• 可维护性细节：要求使用`argparse`或`click`库支持命令行参数，便于灵活配置运行参数。

使用建议

• 将“核心提示词”部分的具体示例直接复制到AI编程助手的对话中，作为生成脚本的初始指令。
• 根据实际数据源（CSV、API、数据库）和输出格式（Excel、HTML、邮件）需求，替换提示词中的具体库名、表名和输出目标。
• 在“细节强化”部分选取最相关的要点，追加到核心提示词之后，以生成更健壮、专业的代码。
• 生成的脚本初稿后，可进一步要求AI为其添加单元测试样例（使用pytest）或Docker容器化配置脚本。