whyzsm 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)
- 数据维度检查
- 变量类型检查
- 缺失值检测
- 异常值检测
使用技能: data-analysis, pandas
2. 数据清洗与预处理 (15-30 分钟)
- 缺失值处理
- 异常值处理
- 变量转换
- 数据标准化
使用技能: data-analysis, pandas
3. 描述统计与探索 (20-40 分钟)
- 集中趋势（均值、中位数）
- 离散程度（标准差、范围）
- 分布形态（偏度、峰度）
- 相关分析
使用技能: data-analysis, seaborn, exploratory-data-analysis
4. 推断统计分析 (30-60 分钟)
- 统计检验选择
- 假设条件检查
- 执行统计检验
- 效应量计算
使用技能: statistical-analysis, scipy
5. 可视化呈现 (20-40 分钟)
- 统计图表（seaborn）
- 定制图表（matplotlib）
- 出版级图表（scientific-visualization）
使用技能: seaborn, matplotlib, scientific-visualization
6. 结果报告 (15-30 分钟)
- APA 格式报告
- 结果解释
- 图表整合
使用技能: statistical-analysis, scientific-visualization
Analysis Types
实验数据分析 (experimental)
适用场景:
- 随机对照试验
- 组间比较
- 前后测设计
统计检验:
- t 检验（独立/配对）
- ANOVA（单因素/多因素）
- 卡方检验
可视化:
- 箱线图
- 小提琴图
- 条形图（带误差线）
调查数据分析 (survey)
适用场景:
- 问卷调查
- 相关研究
- 预测模型
统计检验:
- 相关分析（Pearson/Spearman）
- 回归分析（线性/逻辑）
- 因子分析
可视化:
- 热力图
- 散点图
- 直方图
探索性数据分析 (exploratory)
适用场景:
- 初步数据探索
- 特征工程
- 假设生成
统计检验:
- 描述统计
- 相关分析
可视化:
- 配对图（pairplot）
- 分布图
- 相关矩阵
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:
- 正态性
- 方差齐性
- 独立性
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:
- 正态性
- 方差齐性
- 独立性
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:
- Pearson 相关（连续变量，正态分布）
- Spearman 相关（等级变量，非正态）
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
先探索后检验
- 先做 EDA
- 了解数据特征
- 再选择统计方法
检查假设条件
- 正态性
- 方差齐性
- 独立性
报告效应量
- 不仅报告 p 值
- 还要报告效应量
- 提供置信区间
可视化呈现
- 图表清晰
- 标注完整
- 符合出版标准
避免错误
检验误用
- ❌ 非参数数据用参数检验
- ✅ 先检查假设条件
忽略效应量
- ❌ 只报告 p 值
- ✅ 报告效应量和 CI
可视化不当
- ❌ 3D 饼图
- ✅ 简洁清晰的图表
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:
- 数据概览
- 描述统计表
- t 检验/ANOVA 结果
- 箱线图/小提琴图
- APA 格式报告
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:
- 样本特征
- 相关矩阵
- 回归分析结果
- 热力图/散点图
- APA 格式报告
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:
- 数据概览
- 缺失值分析
- 分布可视化
- 相关分析
- EDA 报告
References
- APA Style: https://apastyle.apa.org/
- Effect Size: https://www.cohen.com/
- Statistical Power: https://www.gpower.com/
- Scientific Visualization: https://matplotlib.org/
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！📊🔬