数据处理

数据分析里最贵的时间不是分析本身，是把脏数据变干净、把变量摆整齐、把图画得看得懂。这三件事恰好是 Claude Code 最擅长的。

不管你是数据分析师、SRE、产品经理还是独立开发者，都会遇到临时需要处理一份数据的场景。老板扔过来一份用户导出的 CSV，让你算个留存；同事发一份订单快照，让你抽出 top 5 商品。这类任务通常只做一次，不值得写一个正经项目，但又不能纯手工在 Excel 里点。这时候 Claude Code 就是最好的中间态。

场景一：清洗一份格式混乱的 CSV

假设你收到一份 users_export.csv，里面有八千行数据，问题一堆。日期列有 2026-01-15、01/15/2026、Jan 15, 2026 三种格式；邮箱有大小写不一；手机号夹杂着 +86 138-0013-0000 和 13800130000 两种；有些行的 city 字段是空字符串，有些是 null 字符串。

直接把文件路径丢给 Claude Code。

> data/users_export.csv 是从后台导的用户数据，格式很乱。
> 帮我用 pandas 写一份清洗脚本，输出 data/users_clean.csv：
> 1. 日期列统一为 ISO 8601 格式 YYYY-MM-DD
> 2. 邮箱统一小写
> 3. 手机号去掉所有空格、连字符、+86 前缀，只保留 11 位纯数字
> 4. city 字段的空字符串和字符串 null 都归一为真正的 NaN
> 5. 删除完全重复的行
> 6. 输出一份 data/cleaning_report.md，列出每一列做了什么处理、影响了多少行

Claude Code 会先 head 看几行，感受一下数据长什么样，然后写脚本、跑一遍、拿到统计结果，最后把 markdown 报告也一起产出。你会看到类似这样的会话流。

● Bash(head -5 data/users_export.csv)
● Bash(wc -l data/users_export.csv)
● Write(scripts/clean_users.py)
● Bash(python scripts/clean_users.py)
● Write(data/cleaning_report.md)

清洗完成。8143 行输入，8027 行输出：
- 日期：识别 3 种格式，全部转为 ISO 8601
- 邮箱：3211 行大小写不一，全部转小写
- 手机号：4802 行含格式化字符，已归一
- city：193 行空字符串，48 行字符串 null，全部转 NaN
- 去重：删除 116 行完全重复

这个流程和你自己写脚本比，快在两个地方。第一，它自己会去 head 探数据，不用你先描述。第二，跑完之后自动出统计报告，你不用再自己写一段 .info() 或 .describe() 的代码。

让它跑起来

清洗任务最好在会话开始时就把 Bash(python:*) 的权限批一次全会话，不然每次 python scripts/xxx.py 都要点确认，节奏很碎。

场景二：连本地 SQLite 或 DuckDB 做分析

数据不是 CSV 而是一份 SQLite 或 DuckDB 数据库，情况差不多。DuckDB 尤其适合数据分析场景，因为它可以直接查 CSV、Parquet、JSON 文件，不用先导入。

> 我这里有一份 data/orders.duckdb，里面有 orders、users、products 三张表。
> 帮我分析：
> 1. 过去 30 天下单最多的 top 10 用户，输出用户 ID、下单次数、总金额
> 2. 每个商品类别的复购率（同一用户在 30 天内下过第二单的比例）
> 3. 结果保存到 outputs/analysis_2026-07.md

Claude Code 会先跑一个 DESCRIBE 或 SHOW TABLES 感受 schema，然后写 SQL、跑查询、把结果格式化成 markdown 表格。中间它会跟你确认一次日期口径，例如"过去 30 天是按下单时间 created_at 还是按支付时间 paid_at"，你回一句 created_at 它就继续走。

一次性分析里 DuckDB 的组合拳很好用。你可以让 Claude Code 直接写这样的一行 SQL。

sql

SELECT city, COUNT(*) AS orders
FROM read_csv_auto('data/orders_2026-07.csv')
JOIN read_parquet('data/users.parquet') USING (user_id)
GROUP BY city
ORDER BY orders DESC
LIMIT 10;

不同源的文件混着查，一条 SQL 出结果，比 pandas 灵活得多。

场景三：数据可视化

出图的场景一般是分析完之后紧接着的一步。让 Claude Code 直接把上一步的分析结果画出来。

> 用 matplotlib 把 top 10 用户的下单次数画成横向条形图，
> 保存到 outputs/top10_users.png。要求：
> - 图片宽 1200 高 800
> - 数值标在条形右侧
> - 用户 ID 太长的显示前 8 位再加省略号
> - 标题用 2026 年 7 月 top 10 活跃用户
> - 用中文字体，避免出现方框

matplotlib 的中文字体是个老大难，Claude Code 会主动帮你处理。它可能会在脚本开头加上 plt.rcParams['font.family'] = ['Microsoft YaHei', 'PingFang SC', 'sans-serif']，或者提示你系统里没找到中文字体，让你确认要不要用 matplotlib.font_manager 指定一个 ttf 路径。

如果你要交互式的图表，把 matplotlib 换成 plotly，让它输出 HTML。

> 把上面的图换成 plotly，输出成 outputs/top10_users.html，
> 鼠标 hover 时显示用户 ID 全称、下单次数、总金额

用 -p 模式做 shell 管道

这是数据处理场景最爽的一种用法。把 Claude Code 直接塞进 shell 管道里，让它当一个可编程的分析师。

bash

# 一句话让它对一份 CSV 出洞察
cat data/orders_2026-07.csv | claude -p "分析这个订单数据集，用中文给出 top 5 洞察，每条不超过 40 字"

# 结合 curl 和 jq 处理 API 数据
curl -s https://api.example.com/events | jq '.[] | select(.type=="error")' \
  | claude -p "把这些错误按类型聚合，输出 markdown 表格"

# 从日志里抽异常
tail -1000 app.log | claude -p "找出最近 5 分钟的异常堆栈，按频次排序"

-p 模式跑完就退出，非常适合塞进定时任务或者 shell 脚本。数据小、任务明确、只做一次的场景，用 -p 比进交互 REPL 快得多。

别把大文件全塞管道

Claude Code 会把 stdin 全部读进上下文。几十 MB 的 CSV 直接 cat 进去会撑爆上下文窗口。更合适的做法是先 head -n 50 让它看 schema，再让它写脚本处理全量数据。

一次性脚本 vs 可复用工具

数据处理里一个反复出现的取舍是：这个脚本要不要沉淀成可复用的工具。经验法则很简单。

只跑这一次的临时任务，让 Claude Code 直接写在 scripts/ 目录下，加个日期后缀，跑完就归档到 scripts/archive/。别浪费时间写单元测试。
一个月内会再用第二次的任务，让它做成一个带 argparse 的 CLI，写清 help 文本，加一份最小的 README。放到 tools/ 目录。
团队里其他人也要用的任务，才值得包成 Python 包或者 npm 包，写 CI、写测试、写完整文档。

在会话开头直接告诉 Claude Code 你要哪一档，它会自动调整投入。你说"临时用完就丢"，它就不会写测试；你说"要复用"，它就会主动帮你补上 argparse、log、异常处理。

一个可以偷懒的规范

在项目 CLAUDE.md 里加一句：一次性脚本放 scripts/oneoff/，正式工具放 tools/。以后你说这个是一次性的它就自动放对目录，你说要沉淀它就自动升级到工具级别，省得每次都要提醒。

数据处理场景的核心心法是：Claude Code 让你可以更晚地决定这份代码值不值得沉淀。先解决问题，再决定要不要留下来。这在过去写 Python 或 R 脚本的时候是很难做到的，因为写脚本本身就有成本。现在这个成本被压到几乎为零，你可以更自由地做数据分析。

数据处理 ​

场景一：清洗一份格式混乱的 CSV ​

场景二：连本地 SQLite 或 DuckDB 做分析 ​

场景三：数据可视化 ​