获课：xingkeit.top/16539/

• Pandas：系统的“手”与“眼”
  它负责所有与数据相关的“体力活”。无论是读取、清洗、转换海量的结构化数据，还是执行复杂的聚合计算，Pandas 都是无可替代的执行引擎。它高效、精准，但缺乏理解和推理能力。
• DeepSeek：系统的“大脑”
  它负责“思考”和“指挥”。DeepSeek 接收来自 Pandas 处理后的数据摘要或业务问题，进行深度推理、生成分析计划、编写 Pandas 代码，并对执行结果进行解读，最终形成有业务价值的洞察。

1. 多源数据整合：使用 Pandas 的 merge 功能，将交易日志、用户画像、设备信息等多个数据表关联起来，形成一个完整的“宽表”，为后续分析提供360度视图。
2. 数据清洗流水线：
   • 处理缺失值：利用 IterativeImputer 等高级方法，基于数据内在关系智能填充缺失项，而非简单删除。
   • 异常值检测：采用鲁棒的统计方法，如 MAD (Median Absolute Deviation)，精准识别并处理偏离常规的异常交易，避免模型被误导。
   • 特征工程：从时间戳中提取“小时”、“是否周末”等新特征，为模型提供更丰富的分析维度。

• 用户提问：“上个季度哪个产品线的用户活跃度下降最快？”
• 代理思考：DeepSeek 接收到问题后，会分析需要哪些数据、进行何种分组、计算什么指标。
• 输出计划：它会生成一个严格的 JSON 格式计划，例如：
  json

  {  "operation": "group_by_summary",  "group_by": ["product_line", "quarter"],  "target_column": "user_activity_score",  "metric": "mean",  "need_chart": true,  "chart_type": "line"}

  这个计划清晰地定义了操作类型、分组字段、目标列、聚合方式和可视化需求。

1. 代码生成与执行：系统根据上一步的 JSON 计划，自动生成对应的 Pandas 代码（如 df.groupby(...).mean()），并在一个受控的 Python 环境中执行。
2. 结果回传：将代码执行的结果（如一个包含各产品线季度活跃度的 DataFrame 摘要）作为新的上下文，再次“喂”给 DeepSeek。
3. 洞察生成：DeepSeek 基于这些中间结果，进行最终的业务解读，生成一份带有图表描述和结论的分析报告，例如：“数据显示，A产品线在Q3的用户活跃度环比下降了15%，主要受XX事件影响，建议关注...”。

1. Prompt > Model
   模型的选择固然重要，但如何指导它（System Prompt）决定了应用的上限。你必须精雕细琢你的提示词，明确定义模型的角色、规则、输入输出格式，并强制其进行批判性思考，例如：“请你扮演一位数据分析师，在提供最终方案前，先找出至少两个潜在的逻辑漏洞。”
2. 原子化任务拆分
   不要试图让模型一次性解决一个复杂问题。将大任务拆解为“数据读取 -> 计划制定 -> 代码执行 -> 结果解释”等一系列原子化步骤，能极大提升系统的稳定性和可调试性。
3. 安全与规范
   • API 密钥管理：切勿将 DeepSeek 的 API 密钥硬编码在代码中。应使用 .env 文件配合 python-dotenv 库来安全地加载环境变量。
   • 代码校验：对于模型生成的代码，尤其是在生产环境中，必须加入安全审查和边界测试环节，防止潜在的漏洞。