CodeBuddy可快速生成带注释、含异常处理、适配pandas 2.x的可复用数据清洗脚本；只需提供前5行数据样例和3项以内清洗目标，按指定格式调用/template指令，校验后导出.py文件。
☞☞☞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☜☜☜
用CodeBuddy快速生成可复用的数据清洗脚本，避免每次从零写pandas代码、反复调试列名和缺失值逻辑。你只需提供原始数据样例和清洗目标，就能输出带注释、含异常处理、适配pandas 2.x的完整.py文件。
准备输入：整理好你的数据样例和清洗需求
把待清洗的Excel或CSV文件中前5行内容复制为纯文本，保留表头；另起一行，用中文写明3项以内核心清洗动作，例如“删除‘ID’列为空的行”“将‘金额’列转为数字，错误值设为0”“把‘日期’列统一转成YYYY-MM-DD格式”。【必须包含至少一个列名，且列名要与样例表头完全一致，大小写和空格都不能错】
把这两部分内容粘贴进CodeBuddy对话框，开头加一句：“请基于以下数据样例生成清洗脚本：”。
触发生成：用精准指令调用CodeBuddy模板
在CodeBuddy界面输入以下完整指令（不可删减任何符号）：
/template clean_pandas_v2 --sample "第一行\t第二行\t第三行" --goal "删除重复行；'销量'列填充中位数"
注意：--sample值必须用英文双引号包裹，内部字段用\t分隔；--goal里的中文标点用全角，列名仍需严格匹配样例。这一步输错引号或漏掉--会导致返回默认模板而非定制脚本。
校验与导出：检查关键段落再保存
第一步：滚动到脚本末尾，确认存在if __name__ == "__main__":块，且下方有df_cleaned.to_csv("cleaned_output.csv", index=False)这一行。
第二步：向上查找# 【清洗步骤3】这类带编号的注释块，核对其中的列名、函数名（如fillna(0)或pd.to_datetime()）是否与你的需求完全对应。
第三步：点击右上角「Export as .py」按钮，文件名建议改为clean_[业务名]_v1.py，比如clean_order_2024_q3.py。
