Python沙盒工具使用指南

🎯 核心能力概览

Python沙盒是一个多功能的代码执行环境，支持：

• 数据分析与处理: 使用Pandas进行数据清洗、转换、聚合
• 可视化图表: 使用Matplotlib, Seaborn, Plotly生成各种图表
• 文档自动化: 创建和编辑Excel, Word, PDF, PPT文件
• 机器学习: 使用scikit-learn进行模型训练和评估
• 科学与数学计算: 使用Sympy进行符号计算和公式证明
• 工作流编排: 复杂任务的自动化执行管道

🚀 基础调用规范

简单代码执行

对于简单的、一次性的代码执行，请遵循以下格式：

调用格式:

{"code": "print('Hello, world!')"}

输出规范:

• 图片：必须以包含 type: "image" 和 image_base64 的JSON对象形式输出
• 文件：必须以包含 type: "word|excel|..." 和 data_base64 的JSON对象形式输出
• 详细规范请参考相关 references/ 文件

📚 工作流与参考指南

当你需要执行一项具体的、复杂的任务时，请首先查阅相关的参考文件以获取最佳实践和代码模板。

1. 数据可视化

• 任务: 创建图表，如条形图、折线图、散点图、热力图等
• 指令: 必须查阅 references/matplotlib_cookbook.md。该文件包含了标准的图表生成模板，确保了高质量的、统一风格的输出

2. 数据清洗与分析

• 任务: 处理缺失值、异常值，进行描述性统计或相关性分析
• 指令: 请参考 references/pandas_cheatsheet.md 中的数据清洗流水线示例

3. 自动化报告生成

• 任务: 生成包含图表和数据的Word、Excel或PDF报告
• 指令: 遵循 references/report_generator_workflow.md 中的周报生成器工作流。它展示了如何组合数据、图表和文档库来创建复杂的报告

4. 机器学习

• 任务: 训练分类或回归模型，并评估其性能
• 指令: 学习并使用 references/ml_workflow.md 中的代码结构来训练和评估模型

5. 符号数学与公式证明

• 任务: 解代数方程、进行微积分计算、简化数学表达式、证明数学公式
• 指令: 必须使用 sympy 库，并严格参考 references/sympy_cookbook.md 中的函数和示例来构建你的解决方案

💡 核心工作流模式

公式证明工作流

1. 定义符号: 使用 sympy.symbols() 定义所有变量
2. 构建表达式: 将公式的左边和右边构建为两个独立的sympy表达式
3. 尝试直接简化: 使用 sympy.simplify(LHS - RHS)，如果结果为0，则证明成立
4. 若不为0，尝试变换: 使用 expand(), factor(), trigsimp() 等函数对表达式进行变换，再次尝试步骤3
5. 输出步骤: 将你的每一步推理和使用的sympy代码清晰地呈现出来

ETL管道模式 (Extract-Transform-Load)

1. Extract: 从数据源提取原始数据
2. Transform: 清洗、转换、处理数据
3. Load: 生成输出结果（图表、文档、分析报告）

分析报告工作流

1. 数据收集: 获取或生成所需数据
2. 数据处理: 清洗、转换、分析数据
3. 可视化: 创建相关图表和可视化
4. 报告生成: 整合数据和图表到最终文档

📋 可用库快速参考

数据处理

• pandas==2.2.2 - 数据分析核心库
• numpy==1.26.4 - 数值计算
• scipy==1.14.1 - 科学计算

可视化

• matplotlib==3.8.4 - 基础绘图库
• seaborn==0.13.2 - 统计可视化
• plotly==5.18.0 - 交互式图表

文档生成

• python-docx==1.1.2 - Word文档
• reportlab==4.0.7 - PDF生成
• python-pptx==0.6.23 - PPT演示文稿
• openpyxl==3.1.2 - Excel文件操作

机器学习与数学

• scikit-learn==1.4.2 - 机器学习
• sympy==1.12 - 符号数学
• statsmodels==0.14.1 - 统计模型

🚨 重要提醒

1. 内存管理: 及时关闭图表和文件流，使用 plt.close('all')
2. 性能优化: 避免在循环中创建大型对象
3. 输出纯净: 确保输出格式正确，避免额外文本
4. 按需加载: 对于复杂任务，优先参考对应的references文件
5. 错误处理: 在关键操作中添加try-catch块

通过这个结构化的指南和丰富的参考文件，您可以高效地完成各种复杂的Python编程任务。