详细内容或原文请订阅后点击阅览
使用 Python 和 AI 将任何 CSV 转换为执行报告
学习实现可重复的管道，用于清理 CSV、查找故事并将其写入。
来源:KDnuggets超越手动分析
每个分析师都亲手完成了这个工作。一份 CSV 文件出现在您的收件箱中，有人问“那么我们做得怎么样”，您花了一个下午的时间清理专栏，构建一些图表，并输入它们的含义。
我们可以自动化其中大部分工作。在本演练中，我们使用 Python 构建了一个小型管道，该管道获取原始销售 CSV、对其进行清理、运行数字、绘制图表，并要求 AI 起草见解。这里的AI是Claude Opus 4.8。该模型在几秒钟内写出了叙述的初稿。我们仍然决定什么是真实的。
在这之前，报告需要提出一个问题。我们的问题是：这五周我们保留了多少收入，其余的都去了哪里？下面的每一步都回答了其中的一部分。清理决定了哪些行算作金钱。五蕴告诉我们我们在何时何地失去了它。人工智能步骤将这些数字转化为高管将阅读的摘要。
所有代码都在下面，以便您可以重现它，并且几乎所有数据集的步骤都是相同的：
CSV → 清理 → 探索 → 图表 → AI 见解 → 建议 → 报告
数据
我们使用product_sales.csv 文件，其中包含45 个交易行。这是该面试问题中使用的数据集。请记住，在本文中我们并没有解决原始问题。每一行都是一个支付事件：购买或退款，包含国家/地区、日期、金额和状态。
这是原始表预览。
有两件事已经很突出。退款以负数存储，并且并非每一行都是已完成的销售。两者对于我们报告的数字都很重要。
我们用 Pandas 加载它：
将 pandas 导入为 pd
df = pd.read_csv("product_sales.csv")
清理数据
清理步骤决定总数是否正确。三行待处理或失败，因此它们还不是钱。我们修复类型并仅保留已完成的交易：
这会删除 45 行中的 3 行，并留下 42 个已完成的事务。如果我们直接报告原始文件，我们会将失败的付款视为销售。