数据分析

用可手算的数值样本生成直方图和经验累计分布，分别核对区间频数、零值比例与阈值累计占比，并保留缺失分母。

用 pandas melt 将 AI 样本的指标列转为长表，保留编号、指标名、单位和空值，检查行数并用 pivot 回转核对原值。

用 Streamlit 把 AI 样本做成本地复核看板，按状态查看数量、样本编号和输入内容，并下载与当前筛选一致的 CSV。

按 AI 数据分析结果的交付方式比较 Matplotlib 与 Plotly，用同一组样本数量生成静态 PNG 和交互 HTML，并核对数值、依赖与分享限制。

以耳机音质、佩戴与客服评价为例，解释整句极性与方面情感的粒度差别。提供对象、方面、原文、态度和待复核字段，说明怎样避免关联错对象及混淆统计分母。

用一份标注为示例的销售明细，让 ChatGPT 生成可复核的数据透视汇总；对照 Excel 的行数、分类和值总额，发现漏项或重复。

使用腾讯云 ADP Claw 模式创建数据分析助手，限定字段口径和危险操作，并用对账样例检查计算与图表。

把趋势、平台查询、竞品、落地成本和合规信息放进同口径证据表，再让 ChatGPT 找缺口和生成对比摘要；最终选品由人依据来源与利润复算决定。

用固定数据字段汇总候选商品，让智能体按需求证据、竞争、毛利、库存和合规风险解释评分；缺失数据保持未知，最终由人工记录上架、观察或淘汰决定。

用豆包分析表格前先检查字段、空值和重复记录，再明确汇总口径；输出结果后用明细筛选和独立公式核对。