DataFlow - 数据分析智能体

DataFlow 是专业的数据科学助手，能够自主完成数据清洗、统计分析、建模预测和可视化， 为您的科研数据提供深度洞察。

智能体介绍

DataFlow 专为科研数据分析场景设计，是您的智能数据科学家。它不仅能执行代码， 更重要的是能够理解数据特征、选择合适的分析方法、解释分析结果， 并生成可直接用于论文的可视化图表。

为什么需要 DataFlow？

科研数据分析面临多重挑战：

  • 统计方法选择困难，担心选错方法
  • 编程能力有限，实现分析流程耗时
  • 图表制作繁琐，难以达到论文要求
  • 结果解读困难，不确定如何表述

DataFlow 结合统计学知识、编程能力和科研经验，让数据分析变得简单高效。

核心能力

1. 智能数据预处理

DataFlow 能够自动处理原始数据：

  • 缺失值处理：智能选择填充、删除或插值策略
  • 异常值检测：识别和处理极端数据点
  • 数据标准化：归一化、标准化等预处理
  • 特征工程：生成衍生特征，提取有用信息

2. 统计方法智能推荐

根据数据特征和研究目标，自动推荐合适的统计方法：

  • 假设检验：t检验、方差分析、卡方检验等
  • 相关分析：Pearson、Spearman 相关系数
  • 回归分析：线性回归、逻辑回归、泊松回归等
  • 非参数检验：Mann-Whitney U、Kruskal-Wallis 等

DataFlow 会检查统计方法的适用条件（如正态性、方差齐性）， 确保方法选择的正确性。

3. Python 代码自动生成

自动生成完整的数据分析代码：

  • 使用主流科学计算库（NumPy、Pandas、SciPy、Scikit-learn）
  • 代码结构清晰，包含详细注释
  • 可直接运行，输出分析结果
  • 支持导出为 .py 或 Jupyter Notebook

4. 专业可视化

生成符合学术规范的可视化图表：

  • 描述性统计图：柱状图、箱线图、小提琴图
  • 关系图：散点图、回归线图、相关矩阵热图
  • 分布图：直方图、密度图、Q-Q图
  • 组合图：多子图布局、分组对比图

所有图表：

  • 高分辨率（300 DPI 以上）
  • 符合期刊要求的配色和字体
  • 包含完整的标题、轴标签和图例
  • 可导出为 PNG、PDF、SVG 格式

5. 机器学习建模

支持常见的机器学习任务：

  • 分类任务：逻辑回归、随机森林、支持向量机、神经网络
  • 回归任务：线性回归、岭回归、随机森林回归、梯度提升
  • 聚类分析：K-means、层次聚类、DBSCAN
  • 降维分析：PCA、t-SNE、UMAP

自动进行：

  • 数据集划分（训练集/测试集）
  • 交叉验证
  • 超参数调优
  • 模型性能评估
  • 特征重要性分析

6. 结果解释和报告

DataFlow 不仅提供数字，还帮您理解结果：

  • 统计显著性解释
  • 效应量评估
  • 结果的科学意义阐释
  • 生成适合论文的结果描述文本

工作流程

DataFlow 的分析流程完全自动化，分为 6 个阶段：

1
数据理解
分析数据结构、变量类型、分布特征和潜在问题。 生成数据质量报告，标注需要注意的地方。
2
预处理
根据数据问题，自动选择和执行预处理步骤。 确保数据适合后续分析。
3
探索性分析
生成描述性统计和可视化，帮助您初步了解数据模式。 发现变量间的潜在关系。
4
统计分析
根据研究问题，执行相应的统计检验或建模。 检查方法的适用条件和假设。
5
结果可视化
生成论文级别的图表，直观展示分析结果。 提供多个可视化方案供选择。
6
报告生成
总结分析过程和主要发现。 生成可用于论文的结果描述文本。
代码执行
DataFlow 使用安全的 Python 执行环境运行代码，所有分析都在云端完成， 您无需在本地安装任何软件。

使用方法

数据准备

DataFlow 支持多种数据格式：

  • CSV、Excel（.xlsx）表格
  • JSON 数据
  • 文本形式的数据（会自动解析）

推荐格式：CSV 文件，第一行为列名（变量名），后续行为数据。

任务描述示例

示例 1：基础统计分析text
任务：分析实验数据，比较对照组和实验组的差异

数据：已上传 experiment-data.csv
- control_group: 对照组测量值（连续变量）
- treatment_group: 实验组测量值（连续变量）
- n = 30 per group

要求：
1. 检查数据正态性
2. 进行适当的统计检验（t检验或非参数检验）
3. 计算效应量（Cohen's d）
4. 生成箱线图和点图
5. 提供论文结果描述
示例 2：回归分析text
任务：建立多元线性回归模型，预测因变量

数据：regression-data.csv
- 因变量：学术成绩 (score)
- 自变量：学习时间 (study_hours)、睡眠时间 (sleep_hours)、
         运动频率 (exercise_freq)、压力水平 (stress_level)

要求：
1. 探索性数据分析（相关矩阵、散点图矩阵）
2. 建立多元线性回归模型
3. 检查模型假设（残差正态性、同方差性、多重共线性）
4. 评估模型性能（R²、调整R²、F检验）
5. 生成回归系数表和残差图
6. 解释各变量的影响
示例 3：机器学习分类text
任务：使用机器学习模型进行二分类

数据：classification-data.csv
- 目标变量：疾病诊断结果（0=健康，1=患病）
- 特征：20个生化指标

要求：
1. 数据预处理（缺失值、标准化）
2. 划分训练集和测试集（80/20）
3. 尝试多个分类器（逻辑回归、随机森林、SVM、XGBoost）
4. 使用交叉验证评估模型
5. 比较模型性能（准确率、精确率、召回率、F1、AUC）
6. 特征重要性分析
7. 生成ROC曲线和混淆矩阵
8. 推荐最佳模型

分析技巧

1. 清晰描述研究问题

明确的研究问题帮助 DataFlow 选择正确的分析方法：

  • ✅ 好："比较两组间的平均值是否存在显著差异"
  • ❌ 不好："分析数据"（目标不明确）

2. 提供数据背景

数据的背景信息有助于正确解释结果：

  • 数据收集方式（实验、调查、观察）
  • 样本量和采样方法
  • 变量的含义和单位
  • 研究假设

3. 说明期望的输出

具体说明您需要什么样的输出：

  • 统计检验的类型
  • 可视化图表的类型
  • 是否需要代码
  • 图表的格式和分辨率

4. 迭代优化分析

数据分析常常需要多次迭代：

  • 第一轮：探索性分析，了解数据特征
  • 第二轮：根据初步发现，进行深入分析
  • 第三轮：调整可视化，优化呈现方式

5. 验证结果可靠性

对于重要的分析，建议：

  • 检查结果的合理性（是否与预期一致）
  • 验证统计方法的适用条件
  • 考虑敏感性分析（改变参数看结果是否稳定）
  • 必要时请领域专家审核

应用案例

案例 1：实验数据的统计检验

场景：生物学实验，比较不同处理条件下的细胞活性。

数据：3个处理组 × 5次重复测量 = 15个数据点

分析流程：

  1. 上传数据到 DataFlow
  2. 请求"对三组数据进行方差分析，并进行事后多重比较"
  3. DataFlow 自动检查正态性和方差齐性
  4. 执行单因素方差分析（ANOVA）
  5. 进行 Tukey HSD 事后检验
  6. 生成柱状图（均值+误差线）和显著性标记

产出：统计检验结果、论文级图表、结果描述文本

案例 2：调查问卷数据分析

场景：心理学研究，分析问卷调查数据。

数据：200份问卷，包含人口学信息和量表得分

分析需求：

  1. 描述性统计（样本特征）
  2. 量表信度分析（Cronbach's α）
  3. 相关分析（变量间关系）
  4. 回归分析（预测模型）

成果：完整的数据分析报告，包含表格和图表， 可直接用于论文的结果部分。

案例 3：机器学习预测模型

场景：医学研究，基于临床指标预测疾病风险。

数据：500个样本，30个临床特征，二分类标签

DataFlow 自动完成：

  1. 数据清洗（处理缺失值和异常值）
  2. 特征选择（去除冗余特征）
  3. 模型训练（对比5种分类器）
  4. 性能评估（交叉验证）
  5. 模型解释（特征重要性）
  6. 可视化（ROC曲线、混淆矩阵）

成果：最优模型、完整代码、评估报告、可视化图表

专业建议
DataFlow 是强大的分析工具，但数据分析的核心仍然是您的领域知识和研究问题。 AI 负责技术实现，您负责科学解释和结论。

开始使用 DataFlow，让数据分析不再困扰您的科研！📊