codebuddy可从零启动数据分析项目，只需一句话描述目标即自动生成含数据读取、清洗、计算、可视化的完整工程，支持云端沙箱或本地python执行，全程无需手动配置环境与文件结构。
☞☞☞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CodeBuddy从零启动一个数据分析项目，不需要装Python环境、不用配Jupyter、不手动建文件夹结构，只要一句话描述目标，它就能自动生成可运行的完整工程，包含数据读取、清洗、计算、可视化全部环节。
创建项目并选择技术栈
打开CodeBuddy IDE，点击左上角「New Project」→ 选择「Data Analysis」模板 → 在弹出框中输入需求描述：【分析小红书运营数据，含笔记标题、点赞数、发布时间、标签字段，输出区域热度排名和词云图】。
系统自动识别出需用Python + pandas + matplotlib + wordcloud，并跳过环境检测直接生成项目骨架。
注意：如果本地未安装Python，CodeBuddy会启用云端沙箱执行；但若你已在本机装好Python 3.9+，它会优先调用本地解释器——这能加速大文件处理，避免上传延迟。
导入数据并触发理解
将Excel或CSV文件拖入左侧资源管理器的「data/」目录下，文件名建议为raw.xlsx或raw.csv。
在右侧面板输入指令：
“请加载data/raw.xlsx，显示前5行和字段类型，确认是否含空值、重复行、日期格式异常。”
CodeBuddy立即执行pandas.read_excel()并返回结构摘要。若发现发布时间列是文本型而非datetime，它会主动提示：“检测到‘发布时间’为object类型，建议转换为datetime以便后续按月聚合——是否执行转换？”
分步执行清洗与计算
第一步：清洗指令必须明确动作对象和边界条件。
“删除‘笔记标题’为空的行，把‘标签’字段拆分为列表（以顿号或逗号分割），对‘点赞数’做异常值过滤（剔除大于均值3倍标准差的记录）。”
第二步：计算逻辑要绑定维度和指标。
“按‘区域’（从标题中提取省名）和‘月份’（从发布时间截取YYYY-MM）分组，统计每组笔记数、平均点赞数、最高点赞数，结果存为analysis_summary.csv。”
第三步：可视化指令需指定图表类型与数据源。
“读取analysis_summary.csv，画柱状图：横轴为区域，纵轴为平均点赞数，颜色按数值梯度填充；再基于原始数据的‘标签’字段生成词云，只取前50高频词。”
【关键前提：所有图表代码必须带plt.show()或st.pyplot()，否则CodeBuddy默认不渲染图像】
导出成果并验证输出
执行完上述步骤后，CodeBuddy会在项目根目录生成：
• analysis_summary.csv（结构化汇总表）
• region_bar_chart.png
• tag_wordcloud.png
双击任一图片文件，CodeBuddy内嵌查看器直接打开渲染结果；右键CSV文件可选择「Open in Editor」核对行列数据是否符合业务预期。
若发现区域提取不准（如“杭州西湖区”被误判为“杭州”而非“浙江”），立刻在聊天框追加指令：“修正区域提取逻辑：优先匹配省级行政区全称（如‘广东省’‘浙江省’），未匹配则 fallback 到‘XX省’‘XX市’二级关键词。”
