Cursor 怎么做 CSV 数据分析？用 Python 清洗、统计并核对结果

CSV 分析的质量取决于输入审计，不是图表数量。先检查编码、分隔符、字段类型、缺失值和重复行，再让 Agent 写脚本。

开始前先准备什么

复制原始文件为只读样本，记录文件哈希或大小，确认不包含不应上传或展示的个人数据。

实际操作步骤

1. 让 Agent 先读取表头和少量样本，输出推测类型与异常清单，不改原文件。
2. 在项目虚拟环境中使用已有库；需要新增 pandas 等依赖时先写进依赖文件并说明版本。
3. 清洗脚本保存原始行号，分别统计空值、重复、解析失败和过滤原因。
4. 输出表格或图表后，用原始行数=保留+剔除等式、分组总和和抽样记录交叉核对。

可以先给 Cursor 一个边界清楚的请求：

只读取 data/raw/orders.csv 的表头和前 20 行，不修改原文件。
报告编码、分隔符、列名、推测类型、空值、重复行和解析异常。
先给审计结论，再提出清洗规则；未经确认不要填充或删除数据。

Cursor Prompting 官方文档说明可以用 @文件 或 @文件夹附加明确上下文。数据较大时无需把整份 CSV 放进聊天，让本地脚本处理、只展示必要样本，更容易控制隐私与上下文。

写一份可追溯的清洗脚本

下面是结构示例，真实列名和缺失规则必须按业务确认。关键点是保留原文件、显式统计异常，并把结果写到新目录：

import pandas as pd

df = pd.read_csv("data/raw/orders.csv", dtype={"order_id": "string"})
start = len(df)
missing_id = int(df["order_id"].isna().sum())
duplicate_id = int(df.duplicated("order_id", keep="first").sum())
clean = df[df["order_id"].notna()].drop_duplicates("order_id").copy()
clean["amount"] = pd.to_numeric(clean["amount"], errors="coerce")
parse_failed = int(clean["amount"].isna().sum())
clean.to_csv("data/processed/orders_clean.csv", index=False)
print({"input": start, "missing_id": missing_id,
       "duplicate_id": duplicate_id, "parse_failed": parse_failed,
       "output": len(clean)})

errors="coerce" 会把金额解析失败变成空值，所以必须输出失败数量并抽查原值。货币符号、千分位、括号负数和地区小数点不能靠猜；日期也要明确时区，避免按月统计时跨日。

把统计口径写进提示词

不要只说“分析销售趋势”。应明确字段、分组、时间范围、单位和输出，例如：“按 month 与 channel 统计订单数、有效金额总和和中位数，保存到 reports/monthly_channel.csv，同时比较各分组金额之和与全表金额之和，列出差额。”Cursor 的 Terminal 官方文档说明命令审批和沙箱行为由 Run Mode 控制；运行前仍应检查依赖安装、读写路径和参数。

怎样验证结果

通过标准是脚本可重复运行、原文件未改、每类剔除数量可解释、汇总能与独立计算对上。

建议做三层验证：第一层对账输入、输出和各类剔除行数；第二层用独立表达式复算总和、计数和分组总和；第三层分别抽取正常、空值、重复和解析失败记录人工核对。运行前后可比较原文件哈希，删除处理目录后再跑一次，关键统计应一致。图表还要标明样本范围、单位和过滤条件。

常见错误

• 不要让 Agent 静默填充缺失值。
• 数字列里的字符串和千分位要显式处理。
• 图表要标注样本范围和单位。

乱码或列错位时先查编码和分隔符；日期少一天时核对时区；同一脚本多次结果不同则检查输入文件、随机抽样和外部数据是否变化。不能通过删除异常行来掩盖解析问题。

适用边界

示例统计不能自动代表因果关系；涉及业务、医疗或财务结论需由领域人员复核。

相关问答

能直接把整个 CSV 放进聊天吗？

优先让本地脚本处理，并只提供必要样本；敏感数据先脱敏。

怎么防止结果看似合理却算错？

保留行数对账、独立汇总和人工抽样三种证据。

资料与适用范围

本文根据 2026 年 10 月 1 日核验的 Cursor Terminal 官方文档、Cursor Prompting 官方文档整理。示例流程未在你的设备、账号或仓库中实测，界面、方案、权限和项目命令应以当前环境为准。