用 AI 整理 Excel：数据清洗、描述统计与可视化

1. 先理解数据，而不是直接“帮我分析”

Excel 包含“数据”和“字段说明”。共有 31 行记录，其中一行完全重复，对应 30 个唯一模拟编号。group 是虚构分组，score_before 与 score_after 是前后分数，合法范围均为 0–100。

2. 上传 Excel，使用完整 Prompt

下载本页示例数据，在工作台中新建项目或对话，上传文件，再粘贴下面的 Prompt。这里的清洗规则仅针对这份练习数据，真实研究需另行确定。

请分析我上传的 research-training.xlsx。这是一份完全虚构的科研培训记录，仅用于练习，不代表真实研究结论。

目标：整理数据，描述两组培训前后的分数变化，生成可复核的 Excel、图表和简短报告。先检查数据，不要直接做显著性检验。

1. 阅读“数据”和“字段说明”工作表。保留原始文件，不覆盖。报告总行数、按 record_id 的重复数、各字段缺失数和异常值；遇到同 ID 但内容冲突的记录先询问我。
2. 删除完全相同的重复记录。score_before 和 score_after 的合法范围是 0–100，越界值标记为缺失并记录原因；原始空值保持缺失，不擅自插补。
3. 仅对前后分数都存在的配对记录计算 change = score_after - score_before。按 group 报告总人数、配对人数、前后分数与 change 的均值、样本标准差（ddof=1）、中位数、最小值和最大值；每项注明有效 n。
4. 绘制各组 change 的散点图（显示每位有效记录，并叠加均值）。标注组名、分数单位和样本数，不使用具有误导性的坐标轴。
5. 输出 cleaned-analysis.xlsx（清洗后数据、质量问题、分组统计）、change-by-group.png、analysis.py 和 report.md。报告说明清洗规则、缺失处理、限制和文件路径。实际执行并验证文件可打开，不能执行时请明确说明，不要声称已生成。
6. 不因组间描述性差异宣称培训有因果效果；不自动添加 P 值、回归或论文结论。所有文件明确标注模拟教学用途。

请先列出数据检查结果，再执行以上确定的清洗规则。

3. 对照实际计算的参考结果

以下由配套 Python 脚本实际执行得到，不是 OpenScience 对话实测或截图。你可以下载脚本独立复现，也可以与工作台生成的结果比较。本次不展示模型费用或速度估计。

B 组的平均变化较高，只是这份模拟数据的描述。不能据此宣称某种培训更有效。前后分数各自的有效样本不同，也不能把两个均值直接相减来替代配对变化均值。

本地复现：将原始 Excel 与 analysis.py 放在同一目录，安装 openpyxl、matplotlib 后执行 python analysis.py。

4. 交付前，逐项复核

• 原始文件是否保留，重复行是否仅删除一次？
• 108 是否被记录并置为缺失，而非偷偷修正？
• 清洗后是否 30 人，配对是否 A 组 13、B 组 14？
• 标准差是否用 ddof=1？均值是否注明有效 n？
• Excel、图表、脚本能否实际打开，报告是否披露模拟性质与限制？

模型输出可能不同；先比对数据和规则，而不是要求它“改成一样的数字”。如果文件未生成、工具执行失败或数据检查不一致，应先解决问题，不使用未经核验的结果。