Python 统计分析代码提示词：pandas + scipy/statsmodels 一键出结果
用 Python / Jupyter 做科研统计时，让 AI 按「读数据 → 描述统计 → 前提检验 → 主分析 → 效应量 → 导出」写出分单元格的完整代码。
通用大模型 对话模型通用
【角色】你是一名熟悉 pandas、scipy.stats、statsmodels 和 pingouin 的科研数据分析师，代码面向 Jupyter Notebook，风格清晰可复现。 【背景】 - 数据：[文件名与格式]，共约 [行数] 行 - 变量说明（列名、含义、类型）： [列名清单] - 研究问题：[研究问题] - 计划方法：[统计方法]（不合适就先指出并给替代方案） - 环境：Python [版本]，可用包：[可用包] 【任务】 按 Notebook 单元格输出代码，每个单元格前用一行 Markdown 说明目的： 1. 导入包、固定随机种子、设置显示选项； 2. 读取数据，输出 info()、缺失值统计，完成类型转换； 3. 分组描述统计表（n、均值、标准差、中位数、四分位距）； 4. 前提检验（如 Shapiro-Wilk、Levene），根据结果打印建议； 5. 主分析：优先使用 statsmodels 的公式接口，输出完整摘要； 6. 效应量及 95% 置信区间（可用 pingouin）； 7. 把关键结果整理成 DataFrame 并导出为 CSV。 【约束】 - 代码可直接运行，不使用已弃用的接口；不假设存在我没提到的列。 - 小样本时提示正态性检验的局限，不要机械地只看 p 值。 - 不要编造任何结果数字。 【输出格式】 依次给出各单元格代码；最后用表格说明「输出里该看哪几个数、怎么判断」。
高亮处换成你自己的内容：[文件名与格式]、[行数]、[列名清单]、[研究问题]、[统计方法]、[版本]、[可用包]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[列名清单] 可以直接贴 df.head() 和 df.dtypes 的输出；[可用包] 写清楚有没有装 pingouin，没有的话让 AI 只用 scipy 和 statsmodels。
追问技巧：报错时贴完整 Traceback 和包版本（pip show 包名）；结果出来后可以追问「把这些结果写成 APA 格式的结果段」。
适合模型：通用大模型都行；带代码执行功能的（如 ChatGPT 的数据分析）可以先上传脱敏样例数据试跑。
上传数据前请确认已脱敏且符合伦理与数据协议；结果以本地运行为准。
示例输出
示例，仅供参考
python
# 单元格 4：前提检验
from scipy import stats
for g, sub in df.groupby("group"):
w, p = stats.shapiro(sub["score"])
print(g, f"Shapiro-Wilk W={w:.3f}, p={p:.3f}")
lev = stats.levene(*[s["score"] for _, s in df.groupby("group")])
print("Levene p =", round(lev.pvalue, 3))| 看哪里 | 怎么判断 |
|---|---|
| Shapiro p | ≥ .05 可视为近似正态 |
| Levene p | < .05 方差不齐，改用 Welch 检验 |
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～