20分钟内完成小红书数据清洗、统计与可视化：自动加载excel→分析结构→缺失值智能填充→多策略清洗→生成直方图/词云/时间趋势图→导出pdf报告并打包交付，全程零手写代码。
☞☞☞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☜☜☜
用自然语言描述需求，20分钟内完成一单小红书运营数据清洗、统计与可视化，全程无需手写Python代码，也不用反复调试环境依赖。
导入数据并快速理解结构
打开 CodeBuddy IDE 或在终端进入项目目录后运行 codebuddy，确保已登录账号并加载了待分析的 Excel 文件（如 xiaohongshu_data.xlsx）。
输入提示词：“请加载这份小红书数据文件，用 Python 分析，告诉我总记录数、字段名及每列的数据类型。”
CodeBuddy 自动执行 pandas 读取 → 输出 shape 和 dtypes → 生成可复用的 data_info.py 脚本。这一步不手动写 import，AI 已预判你后续要清洗，会主动加载缺失值统计模块。
【注意：文件必须放在当前工作目录下，否则会报 FileNotFoundError】
一键清洗缺失值与格式异常
方法一：直接指令清洗
输入：“检查所有字段的缺失率，对数值型字段用中位数填充，对文本型字段用‘未知’填充，并保存为新文件 xiaohongshu_data_cleaned.xlsx。”
CodeBuddy 会先运行 isnull().mean() → 判断字段 dtype → 区分 numeric/categorical → 执行 fillna → 导出 Excel。整个过程不覆盖原文件，避免误操作。
方法二：分步控制清洗逻辑
第一步：输入“列出缺失值超过10%的字段名” → 获取字段列表；
第二步：输入“删除‘笔记ID’字段中重复的行，保留第一次出现的记录” → 去重后自动校验 shape 变化；
第三步：输入“将‘发布时间’字段转为 datetime 类型，提取年月日三列，存入新字段 ‘year’ ‘month’ ‘day’” → AI 自动生成 pd.to_datetime + dt.year 等链式调用。
这一步若跳过类型转换，后续画时间趋势图会报错——pandas 不认字符串格式的时间列。
生成三类核心可视化图表
输入：“基于清洗后的数据，画三个图：① 点赞数直方图（bins=20）；② 笔记标题词云（前50高频词，用中文宋体字体）；③ 每月发布量折线图（x轴为月份，y轴为数量）。”
CodeBuddy 自动调用 matplotlib/seaborn/wordcloud，且内置中文字体 fallback 机制：若找不到指定字体，会尝试系统默认中文字体路径，避免全屏方块。
生成的图表默认保存为 PNG，同时输出 HTML 版交互式图表（含 echarts.js），双击即可在浏览器中缩放拖拽。
若词云图仍显示方块，请确认项目目录下存在 simhei.ttf 或 msyh.ttc，否则需手动下载并修改 font_path 参数。
导出分析报告并打包交付
输入：“把刚才生成的所有图表、关键统计摘要（总笔记数、平均点赞、最高互动笔记标题）、清洗前后对比表格，整合成一份 PDF 报告，命名为 analysis_report_202608.pdf。”
CodeBuddy 调用 fpdf2 库或 weasyprint（根据系统环境自动选择），将 matplotlib 图像转为嵌入式 PNG，表格转为带边框的 PDF 表格，摘要文字加粗居中排版。
最后执行 zip -r delivery_package_202608.zip analysis_report_202608.pdf xiaohongshu_data_cleaned.xlsx 打包交付文件。
