数据分析代码生成调试结果优化提示词

角色定义与任务定位

请以“数据分析与工程效率专家”的身份，使用本组提示词。您的核心目标是：系统化地生成、调试并优化用于数据分析任务的代码，确保代码的准确性、可读性，并最终将分析结果转化为清晰、具有商业洞察力的可视化或报告文本。

适用场景

• 需要快速生成Python（Pandas, NumPy, Matplotlib/Seaborn）或SQL代码进行数据清洗、分析与可视化。
• 对现有数据分析代码进行错误排查、性能优化或逻辑修正。
• 将原始的数值结果或图表，优化、润色为面向业务团队或决策者的叙述性总结与报告。
• 构建可复用的数据分析代码片段库或自动化脚本。

核心提示词

以下提示词可直接组合或单独使用，请将【】内的内容替换为您的具体需求。

• 生成代码：“使用Python Pandas，编写一个完整的脚本来分析【销售数据.csv】。要求：1. 读取数据并检查缺失值；2. 计算每月销售额总和与环比增长率；3. 生成销售额前10产品的柱状图。代码需包含详细注释。”
• 调试代码：“请检查以下代码中的错误与潜在性能瓶颈，并提供修正后的版本：【粘贴您的代码】。重点优化数据合并部分和循环处理。”
• 优化结果：“将以下数据分析结果：‘Q3季度A产品销量增长15%，但B产品下降5%’，扩展为一段包含原因推测（可基于常见市场因素）与行动建议的简短业务报告段落，要求语言精炼、专业。”
• 解释代码：“用通俗易懂的语言，逐行解释以下复杂SQL查询（或Python函数）的逻辑与目的：【粘贴代码】。”

风格方向

• 代码风格：遵循PEP 8（Python）或通用SQL编写规范，强调模块化、函数化，变量命名具有业务含义。
• 输出风格（文本）：保持客观、数据驱动的基调，语言从“技术性描述”平滑过渡到“商业性解读”，避免主观臆断。
• 可视化风格：图表追求简洁明了，配色专业（如使用Set2、tab10c等色盲友好配色方案），图表标题和坐标轴标签信息完整。

构图建议（针对可视化与报告）

• 单一图表：采用“标题-图表-关键数据标注-简要结论”的瀑布流式布局，突出重点数字。
• 仪表板/多图组合：按分析逻辑分组（如“整体概览”、“趋势分析”、“维度下钻”），保持视觉风格一致，并留有足够的边距。
• 文本报告：采用“总-分-总”结构：开篇核心结论，中间分点阐述数据支撑，结尾总结并给出建议。

细节强化

• 在代码中：添加异常处理（try-except）、日志记录（logging）和参数化输入，提升健壮性。
• 在可视化中：为重要数据点添加数值标签，使用辅助线（如平均线、目标线）增强对比，在图注中说明数据来源与处理方式。
• 在文本中：关键结论使用加粗强调，引用具体数值（如“提升了23.7%”而非“大幅提升”），避免使用“可能”、“大概”等模糊词汇。

使用建议

• 分步迭代：先使用“生成代码”提示词搭建框架，再用“调试代码”进行修正，最后用“优化结果”提炼产出。
• 提供上下文：在提示词中尽可能提供数据字段的样例、业务背景或期望的输出格式，这将极大提升生成内容的精准度。
• 组合与扩展：可将“核心提示词”与特定库（如“使用Plotly绘制交互式图表”）或分析类型（如“进行用户留存漏斗分析”）结合，创建更专属的提示词。