CodeGeeX支持五种Python数据导入代码生成方式：一、注释触发交互式生成；二、自动补全逐行构建；三、基于文件结构反向生成；四、跨格式代码翻译；五、定制模板生成结构化流程。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您需要在Python项目中快速导入外部数据（如CSV、Excel、JSON等格式），但不确定如何编写对应的数据读取代码，则可以借助CodeGeeX自动生成适配当前需求的导入逻辑。以下是多种可行的实现方式：
一、通过注释触发交互式代码生成
该方法利用CodeGeeX的交互模式，根据自然语言描述直接生成完整可运行的数据导入代码，无需手动拼接函数调用。
1、在PyCharm或VSCode中打开一个Python文件，光标置于空白行。
2、输入类似以下中文注释：读取当前目录下的data.csv文件，跳过第一行标题，将第2列和第4列作为数值加载为pandas DataFrame。
立即学习“Python免费学习笔记（深入）”；
3、按下Ctrl+Enter激活CodeGeeX交互模式。
4、在右侧候选窗口中选择最匹配的代码方案，点击“use code”插入到编辑器。
二、使用自动补全模式逐行构建导入逻辑
该方法适用于已有基础代码结构、需动态补全关键参数或函数调用的场景，CodeGeeX会在停顿后实时推荐下一行代码。
1、在Python文件中键入import pandas as pd并换行。
2、输入df = pd.后暂停输入，等待右下角CodeGeeX图标开始旋转。
3、当灰色候选代码出现read_csv("data.csv")时，按Tab插入。
4、继续在括号内输入skiprows=1, usecols=[1,3]，再次暂停，CodeGeeX会补全参数说明或类型提示。
三、基于已有数据文件反向生成导入代码
该方法适用于已知文件路径与结构但不熟悉API细节的情况，CodeGeeX可识别文件特征并推荐最优读取方式。
1、在编辑器中新建空白Python文件。
2、输入注释：根据sample.json文件结构生成pandas读取代码，该文件是包含嵌套字典的数组。
3、执行Ctrl+Enter，CodeGeeX将生成含pd.read_json(..., orient='records')的完整语句。
4、若文件实际为Excel且含多Sheet，CodeGeeX可能建议pd.read_excel("sample.xlsx", sheet_name=0)并附带engine='openpyxl'提示。
四、跨格式翻译已有导入代码
该方法用于将一种格式的读取逻辑快速迁移至另一种格式，例如从CSV迁移到Parquet，避免重写整段逻辑。
1、在编辑器中粘贴现有CSV读取代码：df = pd.read_csv("input.csv", dtype={"id": str})。
2、选中该行代码，按下Ctrl+Alt+T启动翻译模式。
3、在弹出菜单中选择目标格式Parquet。
4、CodeGeeX将生成等效代码：df = pd.read_parquet("input.parquet", columns=["id"])，并自动适配dtype处理逻辑。
五、定制化模板生成结构化导入流程
该方法通过预设提示模板，强制CodeGeeX按固定范式输出代码，适用于需统一数据清洗入口的团队协作场景。
1、在CodeGeeX设置中进入“Prompt Templates”，新增模板，key设为“robust_data_load”，value指向本地txt文件。
2、该txt文件内容包含示例：# 输入：filepath, format, required_cols# 输出：带异常捕获、编码自动检测、缺失值预处理的DataFrame加载代码。
3、在代码中输入注释：使用robust_data_load模板加载config.yaml中的路径，格式为YAML，提取database.host和port字段。
4、按下Alt+T选择模板，CodeGeeX将输出含try/except、yaml.safe_load及键存在性校验的完整代码块。
