可发布版本数据清洗代码需满足三行交付契约：1. 无调试语句；2. 列名统一用df["中文列名"]格式；3. 包含列存在性检查、空DataFrame跳过及dropna后再astype等防御逻辑。
☞☞☞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☜☜☜
你想用豆包AI生成一段能直接交给同事、放进项目文档或发到Git仓库的可发布版本数据清洗代码，但当前输出常含调试打印、硬编码路径、缺失异常处理，甚至列名漏引号导致运行即报错——这说明你还没把豆包当“协作程序员”，只当它是个指令翻译器。
明确交付标准再动笔
第一步：在提问前先写好三行“交付契约”，粘贴进豆包对话框顶部：
【可发布版本要求】
1. 不含print()、display()、head()等调试语句；
2. 所有列名用df["中文列名"]格式，禁止df.中文列名；
3. 加入基础防御：检查列是否存在、跳过空DataFrame、对数值列做astype前先dropna(subset=[列名])。
这三行不是装饰，是让豆包切换到“生产环境思维”。它不会自动加try-except，但会按你指定的边界条件生成更健壮的代码。
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
用真实数据结构触发精准生成
方法一：上传CSV文件后直接指令
点击回形针图标上传你的原始CSV → 等待显示“已解析，共N行×M列” → 输入：“按交付契约生成清洗代码：清洗‘订单时间’（转datetime，容错‘2024/03/15’‘2024-03-15’‘Mar 15, 2024’）、‘实付金额’（删¥/元/逗号，转float，空值置NaN）、‘用户等级’（统一小写，空值填‘unknown’）。”
方法二：不上传文件，用结构描述替代
如果你不能传敏感数据，就用文字精准描述表结构：“CSV有5列：['下单日期', '金额', '用户ID', '商品类目', '备注']，其中‘下单日期’混杂三种格式，‘金额’列含‘¥1,299.00’和‘面议’，‘备注’列大量为空。”
【关键点】必须写明“面议”这种非数字字符串，否则豆包默认清空或转0，会丢业务逻辑。
Doubao-Seedream-5.0-lite是字节跳动发布的最新图像创作模型。该模型首次搭载联网检索功能，能融合实时网络信息，提升生图时效性。同时，模型的聪明度进一步升级，能够精准解析复杂指令和视觉内容。此外，模型在世界知识广度、参考一致性及专业场景生成质量上均有增强，可更好地满足企业级视觉创作需求。
逐行校验生成代码的可发布性
第一步：检查是否出现以下任一信号词——出现即不可发布
“假设列名为…”“你可以把df替换成你的变量名…”“建议先用df.head()查看…”
第二步：定位所有df["xxx"]，确认引号完整且与你原始列名完全一致（包括空格、括号、全角字符）
第三步：搜索“.fillna(” → 若后面紧跟具体数值如.fillna(0)，立刻替换为.fillna(method='ffill')或.fillna(df["xxx"].median())，避免用魔法数字。
第四步：找到所有.astype()调用 → 在其前面插入一行：df = df.dropna(subset=["金额"])，防止类型转换时因空值崩掉。
第五步：在代码最末尾加一行：return df。哪怕你只是本地跑，这一行能明确函数出口，方便后续封装成模块。
嵌入项目时的最小必要包装
把豆包生成的清洗逻辑，包进一个带文档字符串的函数里：
def clean_sales_data(df: pd.DataFrame) -> pd.DataFrame:
"""清洗销售原始表：统一日期格式、净化金额、标准化文本字段。
输入：原始pd.DataFrame，含列['下单日期','金额','用户ID']
输出：清洗后DataFrame，金额列类型为float64，下单日期为datetime64[ns]"""
然后把豆包给的清洗代码原样贴进去，缩进4空格，末尾加return df。
这一步不做，代码就是脚本；做了，它就成了可被pytest调用、可被sphinx生成文档、可被其他工程师import的模块。
