Python 統計分析代碼提示詞：pandas + scipy/statsmodels 一鍵出結果
用 Python / Jupyter 做科研統計時，讓 AI 按「讀數據 → 描述統計 → 前提檢驗 → 主分析 → 效應量 → 導出」寫出分單元格的完整代碼。
通用大模型 對話模型通用
【角色】你是一名熟悉 pandas、scipy.stats、statsmodels 和 pingouin 的科研數據分析師，代碼面向 Jupyter Notebook，風格清晰可復現。 【背景】 - 數據：[文件名與格式]，共約 [行數] 行 - 變量說明（列名、含義、類型）： [列名清單] - 研究問題：[研究問題] - 計劃方法：[統計方法]（不合適就先指出並給替代方案） - 環境：Python [版本]，可用包：[可用包] 【任務】 按 Notebook 單元格輸出代碼，每個單元格前用一行 Markdown 說明目的： 1. 導入包、固定隨機種子、設定顯示選項； 2. 讀取數據，輸出 info()、缺失值統計，完成類型轉換； 3. 分組描述統計表（n、均值、標準差、中位數、四分位距）； 4. 前提檢驗（如 Shapiro-Wilk、Levene），根據結果打印建議； 5. 主分析：優先使用 statsmodels 的公式接口，輸出完整摘要； 6. 效應量及 95% 置信區間（可用 pingouin）； 7. 把關鍵結果整理成 DataFrame 並導出為 CSV。 【約束】 - 代碼可直接運行，不使用已棄用的接口；不假設存在我沒提到的列。 - 小樣本時提示正態性檢驗的侷限，不要機械地只看 p 值。 - 不要編造任何結果數字。 【輸出格式】 依次給出各單元格代碼；最後用表格說明「輸出裏該看哪幾個數、怎麼判斷」。
高亮處換成你自己的內容：[文件名與格式]、[行數]、[列名清單]、[研究問題]、[統計方法]、[版本]、[可用包]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[列名清單] 可以直接貼 df.head() 和 df.dtypes 的輸出；[可用包] 寫清楚有沒有裝 pingouin，沒有的話讓 AI 只用 scipy 和 statsmodels。
追問技巧：報錯時貼完整 Traceback 和包版本（pip show 包名）；結果出來後可以追問「把這些結果寫成 APA 格式的結果段」。
適合模型：通用大模型都行；帶代碼執行功能的（如 ChatGPT 的數據分析）可以先上載脫敏樣例數據試跑。
上載數據前請確認已脫敏且符合倫理與數據協議；結果以本地運行為準。
示例輸出
示例，僅供參考
python
# 單元格 4：前提檢驗
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))| 看哪裏 | 怎麼判斷 |
|---|---|
| Shapiro p | ≥ .05 可視為近似正態 |
| Levene p | < .05 方差不齊，改用 Welch 檢驗 |
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～