# 📊 深度探索与可视化规范 (EDA & Mining)
> **致 Agent 的系统指令**:
> 当你阅读到本文件时，意味着前置的表格预处理（拆分、清洗、表头合并）已经完成。请读取生成的 `*_description.json` 了解数据结构，并严格按照以下 **5 个核心阶段** 编写 Python 代码来执行深度分析、可视化与 Web 报告生成。
---
## 🛡️ 1. 数据质量与校验规则 (QA)
在生成任何图表之前，必须先对提取的数据进行严格的代码分析与验证。请在你的 Python 脚本中实现以下逻辑：
* **完整性与准确性 (Completeness & Accuracy)**: 检查缺失值 (`isnull().sum()`)、重复项，以及数据类型的一致性。如有必要，进行类型转换（如字符串转数值）。
* **异常值检测 (Outlier Detection)**: 使用 IQR、Z-scores 或 Isolation Forests 等统计方法检测异常情况。
* **可操作的 QA 记录 (Actionable QA)**: 在脚本的控制台输出（或 Logger）中，明确记录被丢弃、插补或调整了哪些数据。
---
## 🔍 2. 探索性数据分析 (EDA)
基于清洗后的数据，编写代码进行深度的统计计算：
* **单变量/双变量分析**: 计算核心指标的均值、中位数、标准差、偏度等。
* **相关性发现**: 生成相关性矩阵 (Pearson/Spearman)，找出强相关的业务指标。
* **模式挖掘**: 识别时间序列的周期性趋势、数据聚类特征以及分类变量的频率分布。
---
## 💡 3. 业务假设生成 (Hypothesis Generation)
基于 EDA 阶段发现的模式，你必须在回复我的对话中（或者在分析报告中）提出具备落地价值的假设：
* **结构化陈述**: 提供清晰的原假设 ($H_0$) 和备择假设 ($H_1$)。
* **商业/科学影响**: 解释 **为什么** 这个假设对业务很重要（例如：它如何影响营收、欠费率或客户流失）。
* **实验设计**: 简要建议未来应如何测试该假设（例如：A/B 测试方案、回归建模）。
---
## 💻 4. 代码生成与可视化规则 (Python Visualization)
你编写的数据分析和绘图代码必须达到**生产级别**，并严格遵守以下规范：
### 代码质量与结构
* **模块化设计**: 使用类 (OOP) 或定义良好的函数。绝对避免面条式 (Spaghetti) 脚本。
* **错误处理**: 必须使用 `try-except` 块和 `logging` 模块来处理潜在的数据解析错误。
### 可视化美学 (Aesthetics)
* **审美底线**: **严禁**使用 Matplotlib 的默认丑陋样式。必须使用 `seaborn` 并搭配现代主题。
* **图表存储**: 必须将生成的图表保存到工作区的 `./charts/` 目录下，要求 `dpi=300` 且 `bbox_inches='tight'`。
* **强制代码模板**: 请务必参考并使用以下模板结构（已包含中文防乱码配置）：
```python
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import logging
import os
from pathlib import Path
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
logger = logging.getLogger(__name__)
def create_aesthetic_chart(df: pd.DataFrame, output_name: str, title: str) -> None:
"""基于 DataFrame 生成高颜值图表并保存"""
try:
# 1. 设置高级审美主题 (必须先设置主题)
sns.set_theme(style="whitegrid", font_scale=1.1)
sns.set_palette("crest") # 建议使用 'crest', 'husl', 或 'Set2'
# 2. 字体与防乱码配置 (必须放在 set_theme 之后，否则会被覆盖！)
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'SimHei', 'PingFang SC']
plt.rcParams['axes.unicode_minus'] = False
# 3. 创建画布并绘图
plt.figure(figsize=(12, 6))
# TODO: Agent 在此填入具体的 seaborn 绘图逻辑
plt.title(title, pad=15, fontweight='bold')
# 4. 规范化保存路径
output_path = Path(f"./charts/{output_name}")
output_path.parent.mkdir(parents=True, exist_ok=True)
plt.savefig(output_path, dpi=300, bbox_inches='tight')
plt.close()
logger.info(f"Successfully saved chart to {output_path}")
except Exception as e:
logger.error(f"Failed to generate chart {output_name}: {e}")
if __name__ == "__main__":
# Agent 需在此编写读取 CSV/JSON，调用 QA/EDA 逻辑，并执行绘图的代码
pass
```
---
## 📄 5. 现代化 Web 报告生成 (HTML/React)
在完成数据探索和图表绘制后，Agent 必须将 QA 结果、EDA 洞察、业务假设以及生成的图表，综合编译成一个精美的单文件 HTML 报告。
* **输出路径**: 必须保存为 `./reports/index.html`。
* **UI 主题选择 (Agent 根据数据类型选择)**:
* *Theme 1: 清爽商务风 (Business/Sales)* - 使用 `bg-white` 或 `bg-gray-50`，留白多，避免沉重边框。
* *Theme 2: 极客暗黑风 (IT/Anomalies)* - 使用 `bg-slate-900`，明亮文字色，突出异常值。
* *Theme 3: 严谨学术风 (Research)* - 单色调，使用上下粗边框的表格，无圆角。
* **基础代码骨架 (Agent 需动态填充内容，注意 script 标签保持原样)**:
```html
深度数据分析与业务探索报告
```
---
## 🛠️ 标准执行工作流 (Agent Workflow)
为确保分析流程的顺畅，Agent 必须严格按照以下顺序操作：
1. **环境准备**: 确保输出目录存在 (`mkdir -p ./charts ./reports ./scripts`)。
2. **理解数据**: 读取 `output` 目录中最新的 `*_description.json`，了解数据的列名和结构。
3. **QA 与 EDA**: 编写 Python 脚本清洗和分析数据，在控制台打印统计发现。
4. **生成假设**: 基于 EDA 结果，在对话中或脚本注释里生成 1-3 个可测试的业务假设。
5. **绘制图表**: 编写最终版 Python 脚本，生成图表并保存至 `./charts/`。
6. **编译报告**: 编写 Python 脚本或直接通过文本生成，将以上所有内容注入 HTML 模板，生成最终的 `./reports/index.html`。