Data Analysis Workflow

Data Analysis Workflow

Overview

标准化数据分析工作流，整合多个数据分析技能，提供从数据导入到结果报告的完整流程。

6 Workflow Stages

1. 数据导入与检查 (5-10 分钟)

使用技能: data-analysis, pandas

2. 数据清洗与预处理 (15-30 分钟)

使用技能: data-analysis, pandas

3. 描述统计与探索 (20-40 分钟)

使用技能: data-analysis, seaborn, exploratory-data-analysis

4. 推断统计分析 (30-60 分钟)

使用技能: statistical-analysis, scipy

5. 可视化呈现 (20-40 分钟)

使用技能: seaborn, matplotlib, scientific-visualization

6. 结果报告 (15-30 分钟)

使用技能: statistical-analysis, scientific-visualization

Analysis Types

实验数据分析 (experimental)

适用场景:

统计检验:

可视化:

调查数据分析 (survey)

适用场景:

统计检验:

可视化:

探索性数据分析 (exploratory)

适用场景:

统计检验:

可视化:

Usage

基本使用

# 完整分析流程
python data_analysis_workflow.py --file data.csv --type experimental
仅描述统计
python data_analysis_workflow.py --file data.csv --stage 3
仅统计检验
python data_analysis_workflow.py --file data.csv --stage 4 --test anova
生成可视化
python data_analysis_workflow.py --file data.csv --stage 5 --plot boxplot

高级使用

# 指定输出格式
python data_analysis_workflow.py --file data.csv --output report.md --format APA
批量分析
python data_analysis_workflow.py --input-dir data/ --output-dir results/
出版级图表
python data_analysis_workflow.py --file data.csv --publication-quality --journal nature

Statistical Tests

t 检验

适用场景: 比较两组均值

假设条件:

APA 报告:

进行独立样本 t 检验，结果显示两组之间存在显著差异，
t(58) = 2.45, p = .017, d = 0.63, 95% CI [0.12, 1.14]。

ANOVA

适用场景: 比较三组及以上均值

假设条件:

APA 报告:

进行单因素方差分析，结果显示三组之间存在显著差异，
F(2, 87) = 5.67, p = .005, η² = 0.12。

相关分析

适用场景: 评估变量间关系

类型:

APA 报告:

Pearson 相关分析显示，变量 X 与变量 Y 呈显著正相关，
r(98) = .45, p < .001, 95% CI [.28, .59]。

Quality Checks

数据质量

| 指标 | 优秀 | 良好 | 需改进 | |------|------|------|--------| | 缺失值 | <5% | 5-10% | >10% | | 异常值 | <1% | 1-5% | >5% | | 正态性 | 符合 | 近似 | 不符合 | | 方差齐性 | 符合 | 近似 | 不符合 |

分析质量

| 指标 | 优秀 | 良好 | 需改进 | |------|------|------|--------| | 检验选择 | 完全适当 | 基本适当 | 不适当 | | 假设检查 | 完整 | 部分 | 缺失 | | 效应量 | 包含 | 部分 | 缺失 | | 可视化 | 出版级 | 清晰 | 需改进 | | 报告格式 | APA 规范 | 基本规范 | 不规范 |

Best Practices

最佳实践

1. 先探索后检验 - 先做 EDA - 了解数据特征 - 再选择统计方法

2. 检查假设条件 - 正态性 - 方差齐性 - 独立性

3. 报告效应量 - 不仅报告 p 值 - 还要报告效应量 - 提供置信区间

4. 可视化呈现 - 图表清晰 - 标注完整 - 符合出版标准

避免错误

1. 检验误用 - ❌ 非参数数据用参数检验 - ✅ 先检查假设条件

2. 忽略效应量 - ❌ 只报告 p 值 - ✅ 报告效应量和 CI

3. 可视化不当 - ❌ 3D 饼图 - ✅ 简洁清晰的图表

4. 过度解读 - ❌ 相关=因果 - ✅ 谨慎解释结果

Integration

与文献搜索配合

literature-search-workflow: 负责文献搜索
data-analysis-workflow: 负责数据分析
paper-writing-workflow: 负责论文写作

与论文写作配合

data-analysis-workflow: 负责数据分析
statistical-analysis: 负责统计检验
scientific-visualization: 负责图表生成
paper-writing-workflow: 负责整合到论文

Examples

示例 1: 实验数据分析

python data_analysis_workflow.py \
  --file experiment_data.csv \
  --type experimental \
  --output experiment_report.md

输出:

示例 2: 调查数据分析

python data_analysis_workflow.py \
  --file survey_data.csv \
  --type survey \
  --output survey_report.md

输出:

示例 3: 探索性数据分析

python data_analysis_workflow.py \
  --file data.csv \
  --type exploratory \
  --output eda_report.md

输出:

References

技能版本: v1.0.0 创建时间: 2026-03-14 维护者: academic-assistant 下次更新: 功能改进时

*高效数据分析，从标准化工作流开始！*📊🔬

示例 1: 实验数据分析

python data_analysis_workflow.py \
  --file experiment_data.csv \
  --type experimental \
  --output experiment_report.md

输出:

示例 2: 调查数据分析

python data_analysis_workflow.py \
  --file survey_data.csv \
  --type survey \
  --output survey_report.md

输出:

示例 3: 探索性数据分析

python data_analysis_workflow.py \
  --file data.csv \
  --type exploratory \
  --output eda_report.md

输出:

最佳实践

1. 先探索后检验 - 先做 EDA - 了解数据特征 - 再选择统计方法

2. 检查假设条件 - 正态性 - 方差齐性 - 独立性

3. 报告效应量 - 不仅报告 p 值 - 还要报告效应量 - 提供置信区间

4. 可视化呈现 - 图表清晰 - 标注完整 - 符合出版标准

避免错误

1. 检验误用 - ❌ 非参数数据用参数检验 - ✅ 先检查假设条件

2. 忽略效应量 - ❌ 只报告 p 值 - ✅ 报告效应量和 CI

3. 可视化不当 - ❌ 3D 饼图 - ✅ 简洁清晰的图表

4. 过度解读 - ❌ 相关=因果 - ✅ 谨慎解释结果