对负责取数、做报表和业务分析的数据分析师来说，大量时间花在写取数语句、调整表格格式和把结论翻译成业务语言上。很多重复性的整理工作，用一个几十行的脚本就能一键完成，而 AI 让不会编程的人也能写出这样的脚本。下面以数据分析师的真实场景为例，演示用 AI 写 Python 自动化脚本的完整流程：描述输入文件、处理规则和期望输出，让 AI 写带注释的脚本和运行说明，先在副本上测试。

场景：数据分析师为什么需要 AI 写 Python 自动化脚本

数据分析师每周都要做一件重复的事：把多个“订单明细”表格合并，按渠道汇总，再另存为一份新表格。手工复制粘贴半小时，还容易漏行。

推荐工具

可以用 ChatGPT、Claude、DeepSeek、Kimi 等对话助手写脚本；如果安装了 VS Code，可以配合 GitHub Copilot、通义灵码等编程助手边写边改。

一个虚构的例子

先看一个虚构但很典型的例子。小李是一位负责取数、做报表和业务分析的数据分析师，这周手头的事情包括“支持市场部拉取活动人群数据”和“输出新用户分层分析”，偏偏这时又需要写 Python 自动化脚本。小李没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，小李特别留意不把用户明细、手机号和未公开的经营数据放进对话里。

分步操作

  1. 说明输入：文件格式、位置、列名
  2. 说明处理规则：合并、筛选、汇总、改名等
  3. 让 AI 写带中文注释的脚本和运行步骤
  4. 先复制一份数据做测试，确认结果正确再正式使用

提示词模板（可直接复制）

提示词的关键是把背景、要求和输出格式写清楚：

【背景】身份：负责取数、做报表和业务分析的数据分析师；平时主要和业务部门和业务负责人打交道。
我是数据分析师，不太懂编程，请帮我写一个 Python 脚本。

输入：文件夹 data/ 中有多个 Excel 文件（.xlsx），每个文件结构相同，列为：渠道、下单日期、订单金额、用户类型
处理：
1. 合并所有文件
2. 删除完全重复的行
3. 按“渠道”汇总“订单金额”的合计和记录数
输出：生成“汇总结果.xlsx”，包含两个工作表：明细、汇总

要求：
- 每一步写中文注释
- 告诉我需要安装什么，怎么运行
- 如果某个文件缺少某列，打印提示并跳过该文件

AI 输出示例（示意）

下面是演示用的输出示例，其中的人名、数字和事项均为虚构，实际使用时请以你自己的资料为准：

import glob
import pandas as pd

cols = ["渠道", "下单日期", "订单金额", "用户类型"]
frames = []
for path in glob.glob("data/*.xlsx"):
    df = pd.read_excel(path)
    if not set(cols).issubset(df.columns):
        print(f"跳过 {path}：缺少必要的列")
        continue
    frames.append(df[cols])

detail = pd.concat(frames).drop_duplicates()        # 合并并去重
summary = detail.groupby("渠道")["订单金额"].agg(["sum", "count"])

with pd.ExcelWriter("汇总结果.xlsx") as w:
    detail.to_excel(w, sheet_name="明细", index=False)
    summary.to_excel(w, sheet_name="汇总")
print("完成！")

运行步骤：安装 Python 后执行 pip install pandas openpyxl，在脚本所在文件夹运行 python merge.py。

拿到类似的结果后，小李的做法是先核对事实和数字，再结合“输出新用户分层分析”的安排调整重点，最后才对外使用。

实用技巧与常见坑

  • 报错时把完整错误信息贴回给 AI，通常一两轮就能解决。
  • 脚本跑通后保存好，并写一段使用说明，方便同事复用。

给数据分析师的特别提醒

让 AI 同时给出分析假设和验证方法，避免直接跳到结论。还有一点很关键：AI 不了解你们的指标口径，写出的语句和结论都要用小样本核对一遍。

变体用法

  • 批量重命名：按规则批量修改文件名。
  • 网页数据整理：在遵守网站规则的前提下整理公开数据。

相关阅读