代码语言

知识点思维导图

28 个知识节点

参考资料

Python（34） - 实战——AI 生成一个数据脚本

读完后，你应能完成以下任务：

绘制“Python（34） - 实战——AI 生成一个数据脚本 / 零、本篇在阶段七的位置”的关键对象与数据流，解释“阶段七是「工程化与实战」，本篇是把前面散落的零件拼成一个真实交付物的练习。”，并用源码位置、日志或 Trace 标注证据。

为“Python（34） - 实战——AI 生成一个数据脚本 / 先建立前端锚点：这就是你写过的「一次性 node 脚本」”设计正常与异常输入，验证“边界（这里和前端不一样）：node 脚本里抓数据是 await axios.get(...)，默认异步；”，输出首个偏差位置与回归测试结果。

实现“Python（34） - 实战——AI 生成一个数据脚本 / 用 AI 生成脚本的正确姿势”的最小代码或配置，检验“阶段七的核心不是「自己一行行敲」，而是「把活儿描述清楚，让 AI 产出初版，你来审查和迭代」。”，输出命令、结果与 Diff，并说明不适用边界。

前端有个活儿你肯定干过：写一个一次性的 node 脚本——axios 抓点数据、map/filter 洗一洗、算几个指标、最后丢个 JSON 或画张图。Python 干这件事更顺手，而且现在还多了一个杠杆：让大模型帮你把整个脚本生成出来。本篇就把「抓数据 → 清洗 → 分析 → 出图」这条流水线完整跑通一遍，重点不是炫某个库，而是教你两件事：① 这条流水线每一段对应你熟悉的什么前端操作；② 怎么写 prompt 让 AI 产出能直接跑的脚本，以及拿到 AI 代码后该检查哪些地方（因为它一定会有坑）。

一、零、本篇在阶段七的位置

阶段七是「工程化与实战」，本篇是把前面散落的零件拼成一个真实交付物的练习。用到的前置：

用到的能力	在哪篇	一句话
调大模型 API	第 23 篇	让 AI 生成脚本靠它
NumPy	第 20 篇	批量运算的「超级 Array」
Pandas	第 21 篇	加强版 Excel / SQL
matplotlib	第 22 篇	后端版 ECharts / D3
文件与 IO	第 19 篇	读写 CSV / 保存图片

如果上面有篇没看，遇到对应代码时回去补一眼即可，本篇会把关键点都点到。

二、先建立前端锚点：这就是你写过的「一次性 node 脚本」

前端经常写这种脱离框架的独立脚本——不是 web 服务，跑一次出个结果就完事：

// JavaScript：一个典型的一次性数据脚本（node 跑）
import axios from "axios"
import fs from "fs"

async function main() {
  const resp = await axios.get("https://api.example.com/sales")  // 抓
  const rows = resp.data.filter(r => r.amount > 0)               // 洗
  const total = rows.reduce((s, r) => s + r.amount, 0)           // 算
  fs.writeFileSync("report.json", JSON.stringify({ total }))     // 出
}
main()

Python 的数据脚本是同一个心智模型，只是每一段换了更专业的工具：

阶段	前端（node）	Python	本质
抓	`axios` / `fetch`	`requests`	发 HTTP 请求拿数据
洗	`filter` / `map` 手撸	`pandas`	整列运算去脏数据
算	`reduce` 手撸	`pandas.groupby`	分组聚合（像 SQL）
出	写文件 / 前端图表库	`matplotlib` / `to_csv`	存结果 / 画图

边界（这里和前端不一样）：node 脚本里抓数据是 await axios.get(...)，默认异步；Python 的 requests.get(...) 默认同步阻塞——没有 await，就是一行卡住直到拿到响应（详见第 17 篇异步篇）。一次性脚本里这反而更省事：不用包 async function main()，从上往下顺着写就行。

三、用 AI 生成脚本的正确姿势

阶段七的核心不是「自己一行行敲」，而是「把活儿描述清楚，让 AI 产出初版，你来审查和迭代」。这跟你让 Copilot/Cursor 写前端组件是一回事，但数据脚本有它特有的注意点。

3.1 一个好的 prompt 长什么样

新手最容易写「帮我写个抓数据的脚本」这种含糊需求，AI 只能瞎猜。好 prompt 要把输入、输出、约束都钉死，就像你给后端提接口需求一样：

帮我写一个 Python 数据脚本，要求：
1. 用 requests 从 https://api.example.com/sales 抓销售数据（GET，返回 JSON 数组，
   每条形如 {"city": "上海", "amount": 1200, "date": "2026-01-05"}）
2. 用 pandas 清洗：丢掉 amount 为空或 <= 0 的脏数据，date 转成日期类型
3. 按 city 分组，算每个城市的总销售额和订单数，按总额从高到低排序
4. 用 matplotlib 画一张「各城市总销售额」的柱状图，保存成 sales.png（要能正常显示中文）
5. 同时把分组结果导出成 city_report.csv
约束：加 timeout 防止卡死；每个函数加注释；用 if __name__ == "__main__" 作入口

类比：这就是你给 AI 写前端组件时「props 是什么、渲染成什么样、有哪些边界 case」的那套描述法。需求越具体，返工越少——含糊的 prompt 换来的是含糊（且经常跑不起来）的代码。

3.2 边界：AI 生成的数据脚本不能盲信

这是本篇最该记住的一条。AI 写数据脚本特别容易在这几处出错，你必须有能力看懂并验证，所以下面几节才要把流水线讲透：

幻觉 API / 参数：编出库里根本不存在的函数名或参数（比如 pd.read_csv 写个不存在的 kwarg）。
中文乱码：matplotlib 画中文默认显示成方框（第六节专门讲），AI 经常忘了配字体。
没有错误处理：网络请求失败、字段缺失直接崩，AI 默认走「happy path」。
数据结构假设错：它没见过真实返回，常假设的 JSON 结构和实际对不上。

正确姿势：AI 出初稿 → 你跑一遍 → 报错/结果不对 → 把真实报错和真实数据样例贴回去让它改。这个「人审 + 喂反馈」的循环，是阶段七实战的真正技能。

四、抓数据：requests ≈ axios

requests 是 Python 事实上的 HTTP 客户端（第三方库，需要装），用法和 axios 高度对应：

pip install requests

// JavaScript（axios）
const resp = await axios.get("https://api.example.com/sales", {
  params: { year: 2026 },                  // 查询参数
  headers: { "User-Agent": "my-script" },  // 请求头
  timeout: 5000,                           // 超时 5 秒
})
const data = resp.data                     // axios 自动帮你 JSON.parse

几个和前端不同、AI 也常漏的点：

项	前端（axios）	Python（requests）
超时单位	毫秒 `5000`	秒 `5`
拿 JSON	`resp.data`（自动）	`resp.json()`（要调方法）
拿原始文本	`resp.data`	`resp.text`
状态码	`resp.status`	`resp.status_code`
非 2xx 报错	默认 reject	默认不报，要 `raise_for_status()`
查询参数	`params`	`params`（一样）

边界：requests 默认不会因为 404/500 抛错，这跟 axios 不一样。所以抓完第一件事就是 resp.raise_for_status()，否则脏响应会一路流进后面的清洗环节，最后报一个莫名其妙的错，极难排查。

抓回来的 data 是个「字典的列表」（对象数组），直接喂给 pandas 就成了一张表（详见第 21 篇）：

五、清洗：pandas 整列操作 ≈ filter/map（但别写 for）

真实抓回来的数据一定有脏的：空值、负数、类型不对。前端你会 filter 一遍，pandas 里对整列下指令，更快更短（详见第 21 篇）：

// JavaScript：循环 + filter 手撸清洗
const clean = data
  .filter(r => r.amount != null && r.amount > 0)  // 去掉空值和非正数

边界：清洗时别下意识写 for 循环逐行改。pandas 的灵魂是「对整列一次性运算」，几万行时 for 循环会明显卡。心智从「遍历每个元素」转成「对整列下达一条指令」。

六、分析：groupby ≈ SQL 的 GROUP BY

需求是「按城市算总销售额和订单数」，这正是 SQL 的 GROUP BY。pandas 写法和 SQL 思路一一对应（详见第 21 篇）：

-- SQL：你熟悉的写法
SELECT city, SUM(amount) AS total_amount, COUNT(*) AS order_count
FROM sales
GROUP BY city
ORDER BY total_amount DESC;

七、出图：matplotlib ≈ 后端版 ECharts（中文字体是头号坑）

前端画图用 ECharts/D3 给个 option 就行，matplotlib 是命令式的：一步步「画 → 配 → 存」（详见第 22 篇）。这里的脚本不弹窗，直接存成图片文件交付：

边界：中文方框问题是 matplotlib 第一坑，AI 生成的代码几乎总会漏掉那两行 rcParams。看到图里中文变 □□□，第一反应就是去配 font.sans-serif。字体名要填你操作系统里真实存在的，填错了静默回退、依旧是方框。

八、把整套串起来：一个完整可运行脚本

下面是 AI 生成、你审查修正后该长成的样子——读 → 洗 → 算 → 出，分成几个带注释的函数，入口用 if __name__ == "__main__"（≈ node 脚本里 main() 的调用约定）：

跑它：

python sales_script.py

跑完你会得到一个 city_report.csv 和一张 sales.png。这就是阶段七的一个最小但完整的交付物。

九、AI 生成代码的审查清单

把这个清单当成「拿到 AI 数据脚本后必过一遍」的 checklist，能挡掉八成翻车：

检查项	为什么
有没有 `timeout`	没有会因网络卡死整个脚本
有没有 `raise_for_status()`	requests 默认不报 4xx/5xx，脏响应会污染后续
引用的字段名和真实数据对得上吗	AI 没见过真实返回，常假设错字段
matplotlib 配中文字体了吗	没配中文就是方框 □□□
库的 API / 参数真实存在吗	AI 会幻觉出不存在的函数或参数
空值/异常有没有兜底	AI 默认只写顺利路径
出图用 `savefig` 而非 `show`	脚本场景要存文件，不是弹窗

核心心态：AI 是高效的初稿生成器，不是免检的交付者。前面几节把流水线讲透，就是为了让你有能力当这个「审稿人」——看得懂、跑得通、改得动。

十、总结

零、本篇在阶段七的位置：阶段七是「工程化与实战」，本篇是把前面散落的零件拼成一个真实交付物的练习。
先建立前端锚点：这就是你写过的「一次性 node 脚本」：边界（这里和前端不一样）：node 脚本里抓数据是 await axios.get(...)，默认异步；
用 AI 生成脚本的正确姿势：阶段七的核心不是「自己一行行敲」，而是「把活儿描述清楚，让 AI 产出初版，你来审查和迭代」。
抓数据：requests ≈ axios：边界：requests 默认不会因为 404/500 抛错，这跟 axios 不一样。
清洗：pandas 整列操作 ≈ filter/map（但别写 for）：边界：清洗时别下意识写 for 循环逐行改。
分析：groupby ≈ SQL 的 GROUP BY：需求是「按城市算总销售额和订单数」，这正是 SQL 的 GROUP BY。