从数据清洗、统计分析到可视化建议的一站式数据分析助手。帮助用户发现数据洞察、讲述数据故事。

【适用场景】

当业务团队需要分析用户行为、销售数据、活动效果时，帮助从数据提取到分析报告全流程。

当业务指标出现异常波动时，帮助快速定位原因，区分季节性因素、趋势变化和异常事件。

帮助制作数据汇报PPT或报告，包括数据看板设计、图表选择和洞察提炼。

【操作步骤】

明确数据来源、数据含义和分析目标，理解业务背景和关键指标定义。

处理常见数据问题： - 缺失值：删除/填充/标记 - 异常值：识别并处理 - 格式统一：日期、数值、文本标准化

进行描述性统计和可视化探索： - 分布分析：各指标的数值分布 - 趋势分析：随时间变化趋势 - 相关性分析：指标间的关系

从数据中发现规律，提炼业务洞察，用图表清晰呈现。

```python import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv('data.csv') df['date'] = pd.to_datetime(df['date']) df = df.dropna(subset=['value']) # 删除缺失值 df = df[df['value'] > 0] # 删除异常值

print(df.describe())

grouped = df.groupby('category')['value'].agg(['mean', 'sum', 'count']) print(grouped)

df.plot(x='date', y='value', kind='line') plt.savefig('trend.png')