数据分析中 80% 的时间花在数据清洗和探索上—— Claude Code 能把这些重复工作压缩到原来的 1/3，让你专注于洞察和决策。
环境配置
CLAUDE.md 数据分析专项配置
markdown
# CLAUDE.md（数据分析项目）
## 技术栈
- Python 3.12
- 核心库：pandas 2.x, numpy, scipy
- 可视化：matplotlib, seaborn, plotly（交互图表）
- 机器学习：scikit-learn, xgboost
- Notebook：jupyter lab
## 数据目录结构
data/
raw/ # 原始数据（只读，不修改）
processed/ # 清洗后数据
output/ # 分析结果和图表
notebooks/ # Jupyter Notebook
src/ # 可复用的 Python 模块
## 约定
- 所有图表保存到 data/output/，文件名格式：YYYYMMDD_描述.png
- 数据清洗操作记录在 notebooks/data_cleaning.ipynb
- 不直接修改 data/raw/ 中的原始数据
- 大型数据集（>100MB）使用 chunked 读取
## 常用数据文件
- sales_2025.csv：主要销售数据（订单级别）
- users.parquet：用户基本信息与 Jupyter 配合使用
bash
# Claude Code 在终端，Jupyter 在浏览器
# 两者共享同一工作目录
# 终端：用 Claude 生成分析代码
claude "读取 data/raw/sales.csv，做完整的 EDA 探索，生成 Jupyter Notebook"
# Claude 生成 notebooks/eda_sales.ipynb 后，浏览器中打开运行
jupyter lab notebooks/eda_sales.ipynb自然语言驱动数据探索
一键生成完整 EDA 报告
你：读取 data/raw/sales_2025.csv，帮我做完整的探索性数据分析（EDA），包括：
1. 数据基本信息（行数、列数、数据类型、缺失值）
2. 数值列的描述性统计（均值/中位数/标准差/分位数）
3. 分类列的值分布（top 10）
4. 关键字段的分布图（直方图 + 箱线图）
5. 相关性热力图
6. 异常值检测（IQR 方法）
7. 关键发现总结
生成为 notebooks/eda_sales.ipynb，图表同时保存到 data/output/
Claude：
[自动读取文件，生成完整 Jupyter Notebook，包含所有分析代码和图表]
数据清洗脚本生成
你：sales.csv 有以下质量问题（我查了一遍）：
- order_date 列是字符串，需要转为 datetime
- amount 列有 '¥1,234.56' 格式，需要转为 float
- customer_name 列有很多 ' ' 空格和大小写不统一
- product_id 有 NaN，需要填充为 'UNKNOWN'
- 重复订单（同一 order_id 出现多次，保留第一条）
帮我写数据清洗脚本，保存到 data/processed/sales_clean.parquet
Claude：
```python
import pandas as pd
import re
df = pd.read_csv('data/raw/sales.csv')
# 1. 日期转换
df['order_date'] = pd.to_datetime(df['order_date'], errors='coerce')
# 2. 金额清洗
df['amount'] = df['amount'].astype(str)
df['amount'] = df['amount'].str.replace(r'[¥,]', '', regex=True)
df['amount'] = pd.to_numeric(df['amount'], errors='coerce')
# 3. 客户名标准化
df['customer_name'] = df['customer_name'].str.strip().str.title()
# 4. 填充缺失值
df['product_id'] = df['product_id'].fillna('UNKNOWN')
# 5. 去重（保留第一条）
df = df.drop_duplicates(subset='order_id', keep='first')
df.to_parquet('data/processed/sales_clean.parquet', index=False)
print(f"清洗完成：{len(df)} 行，保存到 data/processed/sales_clean.parquet")
业务分析提问模板
销售分析
你：基于 sales_clean.parquet，分析以下问题：
1. 月度销售额趋势（折线图）
2. Top 10 产品销售额占比（水平条形图）
3. 不同地区的销售额对比（颜色区分）
4. 客单价分布（直方图，标注均值和中位数）
每张图都要有标题、轴标签和数据标注
用户行为分析
你：分析用户留存：
- 按注册月份做用户留存分析（Cohort Analysis）
- 生成热力图，X 轴是注册后第 N 月，Y 轴是注册月份
- 用百分比显示，红绿色阶（红色=低留存，绿色=高留存）
让 Claude 解读统计结果
你：我做了 A/B 测试，结果如下：
对照组：转化率 12.3%，n=5420
实验组：转化率 14.1%，n=5380
帮我做显著性检验，判断差异是否统计显著，
以及实验组提升效果的置信区间
Claude：
使用双比例 z 检验：
z-score = 3.47，p-value = 0.0005 < 0.05
结论：差异在 99% 置信水平下统计显著
效果量（提升）：14.1% - 12.3% = 1.8%
95% 置信区间：[0.77%, 2.83%]
推荐：可以自信地推全量，预期带来约 1.8% 的转化率提升
机器学习辅助
你：我要预测用户是否会流失（二分类问题），
特征包括：登录频率、最近活跃天数、订单数量、客单价。
请帮我：
1. 推荐 3 个适合的模型，说明各自优劣
2. 写完整的训练代码（含特征工程、模型训练、交叉验证、特征重要性）
3. 推荐最适合我这个场景（样本量约 5 万）的模型
Claude：推荐：逻辑回归（基线）、随机森林、XGBoost
[输出完整的 sklearn Pipeline 代码]
最推荐：XGBoost（样本量适中，效果通常最好）
来源：Claude Code 官方文档 - docs.anthropic.com/en/docs/claude-code