20分钟内用codebuddy完成小红书数据清洗、统计与可视化：先导入文件并检查结构，再用craft模式清洗（中位数/前向填充并导出新文件），最后用chat模式调用seaborn绘直方图、jieba+wordcloud生成中文词云，全程需验证交互性与结果准确性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用CodeBuddy在20分钟内完成一单小红书运营数据的清洗、统计与可视化，而不是反复调试pandas报错或手动拼接echarts配置——这需要明确数据导入路径、区分Craft与Chat模式用途、确认清洗结果是否生成新文件、以及验证图表是否真正可交互。
导入数据并确认结构
打开CodeBuddy网页版或已登录插件的VS Code → 点击左侧「Data Lab」图标 → 拖入你的Excel或CSV文件（如xiaohongshu_data.csv）。
在右侧AI面板输入：【请加载这份小红书数据文件，用Python展示前5行和字段列表】 → 点击“运行”按钮。
若返回结果中出现KeyError: 'xxx'或字段名显示为Unnamed: 0，说明文件含隐藏索引列或编码异常；此时需追加提示词：【用pandas.read_csv(filepath, index_col=False, encoding='utf-8-sig')重新加载】。
进入Craft模式执行清洗
点击右上角模式切换按钮，从Chat切到Craft → 确保下方状态栏显示「Craft Mode: Active」。
输入指令：【检查所有字段的缺失值数量，并按字段名输出汇总表】 → 执行后查看生成代码中的df.isnull().sum()结果。
若发现笔记标题字段缺失率达37%，不要直接运行填充指令——【先用df[~df['笔记标题'].isnull()]筛选非空样本再分析，避免污染原始数据流】。
CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题
确认无误后输入：【对'点赞数'用中位数填充，'发布时间'用前向填充，生成新DataFrame命名为df_clean，并导出为xlsx文件】 → CodeBuddy会自动创建xiaohongshu_data_清洗后.xlsx并下载到本地。
用Chat模式做可视化探索
切回Chat模式 → 上传刚生成的xiaohongshu_data_清洗后.xlsx → 输入：【用seaborn画点赞数分布直方图，bins=20，x轴标注'点赞数区间'，y轴标注'笔记数量'】。
等代码生成后，点击「预览图表」按钮 → 若弹窗显示空白或报ModuleNotFoundError: No module named 'seaborn'，立即在终端执行：pip install seaborn，再重试预览。
接着输入：【根据'笔记标题'字段生成中文词云，排除停用词“的”“了”“和”，只显示频率前30的词】 → 注意：这一步必须确保项目目录下存在中文字体文件（如simhei.ttf），否则词云仍会显示方块。
验证结果并保存快照
第一步：对比原始文件与清洗后文件的行数 → 若df.shape[0]减少超过5%，说明有隐式dropna操作，需回溯Craft指令中是否误写了inplace=True。
第二步：在生成的词云图预览页右键→「图片另存为」→ 保存为title_wordcloud.png。
第三步：点击右上角「Snapshot」按钮 → 命名为「小红书分析_v1」→ 完成。
