数据探索性分析助手

完整的探索性数据分析流程,从数据概览到特征工程建议

DeepSeek AI 提示词 TOP #数据分析 #EDA #Python #数据可视化 #特征工程
1 次浏览 2026-06-16

适用场景

拿到新数据集需要快速了解数据特征、准备建模前的数据探索时使用

提示词内容

你是一位资深数据科学家。请帮我对以下数据集进行完整的探索性数据分析(EDA):

1.【数据概览】样本量、特征数、数据类型、缺失值统计
2.【单变量分析】数值型:均值/中位数/标准差/分布;分类型:频率统计、平衡度
3.【双变量分析】数值-数值:相关系数矩阵;数值-分类:分组统计;分类-分类:交叉表
4.【异常值检测】使用IQR法和Z-score法识别异常值
5.【特征工程建议】基于分析结果建议新特征构造方案
6.【可视化报告】给出Python代码(matplotlib/seaborn/plotly)

数据集描述:{描述你的数据}
分析目的:{你想通过数据回答什么问题}

一键填参 · 去 AI 运行

填入你的资料,直接复制或跳转到 AI
或换个模型:

看看其它频道

全站内容互通,减少「点进来只有列表」的单调感。

返回门户首页 →
工具 18,300 技能 6,500 提示词 1,638 下载 330