案例03：职称数据分析可视化
📑 目录
步骤1：准备数据与数据结构定义
定义数据字段结构
在 OpenClaw 对话中，描述你的数据结构，让AI生成模拟数据（用于测试流程）或读取现有文件：
我有一份历年职称数据，包含以下字段：
字段说明：
- 年份：申报年份（如2020、2021...）
- 姓名：申报人姓名
- 性别：男/女
- 年龄：申报时年龄
- 部门：所在部门/单位
- 学历：中专/大专/本科/硕士/博士
- 申报级别：初级/中级/副高级/正高级
- 申报专业：工程技术/经济/会计/政工/教育/卫生/其他
- 评审结果：通过/未通过/待定
- 工作年限：从事本专业工作年限
- 论文数量：发表论文数量
- 专利数量：专利/软著数量
- 获奖情况：获奖次数
- 申报方式：正常申报/破格申报
请检查这个数据结构是否合理，是否需要补充字段。生成模拟数据（无真实数据时）
请帮我生成一份模拟职称数据，要求：
- 年份范围：2018-2025（共8年）
- 总人数：约2000条记录
- 数据分布要合理（符合实际职称评审规律）：
- 男女比例约 6:4
- 学历分布：本科60%、硕士25%、博士5%、大专8%、中专2%
- 申报级别：初级30%、中级40%、副高级22%、正高级8%
- 通过率：初级85%、中级70%、副高级55%、正高级40%
- 部门分布：工程技术35%、经济20%、会计15%、政工10%、教育12%、卫生8%
请生成 CSV 文件并保存到 ./data/title-review-data.csv读取现有数据文件
如果有真实数据文件：
请读取文件 ./data/title-review-data.csv，执行以下操作：
1. 显示前10行数据
2. 显示总行数
3. 列出所有字段名
4. 检查每列的数据类型
5. 检查是否有缺失值（每列缺失数量和占比）
6. 报告数据整体质量📌 数据格式：职称数据通常以 Excel/CSV 格式存在。以下为推荐的数据结构，如果你的数据字段不同，OpenClaw 会自动适配。
步骤2：数据清洗与预处理
数据清洗
请对 ./data/title-review-data.csv 进行数据清洗，生成 Python 脚本并执行：
清洗规则：
1. 缺失值处理：
- 年龄缺失：用该部门/级别的中位数填充
- 工作年限缺失：用年龄-22估算
- 论文/专利/获奖缺失：填充为0
- 其他关键字段缺失的行：标记并单独导出
2. 异常值处理：
- 年龄 < 20 或 > 65：标记异常
- 工作年限 > 年龄-16：标记异常
- 论文数量 > 100：标记异常
3. 格式统一：
- 性别统一为"男"/"女"
- 学历统一为标准名称
- 评审结果统一为"通过"/"未通过"
4. 衍生字段：
- 计算"通过率"标记（通过=1, 未通过=0）
- 计算"年龄分段"：30岁以下/30-39/40-49/50以上
- 计算"学历等级编码"：中专=1, 大专=2, 本科=3, 硕士=4, 博士=5
清洗后的数据保存到 ./data/title-review-clean.csv
异常数据单独导出到 ./data/title-review-anomaly.csv验证清洗结果
请检查清洗后的数据 ./data/title-review-clean.csv：
1. 总行数与原始数据对比
2. 各字段是否还有缺失值
3. 异常值是否已处理
4. 衍生字段是否正确生成
5. 数据分布是否合理步骤3：核心指标统计
年度申报与通过统计
请基于清洗后的数据，统计以下核心指标：
1. 每年申报总人数、通过人数、通过率
2. 各申报级别的申报人数和通过率
3. 各专业的申报人数和通过率
4. 各部门的申报人数和通过率
请生成 Python 脚本，执行后将结果输出为表格。人口统计学特征统计
请统计以下人口统计学指标：
1. 性别分布（总体 + 分级别）
2. 年龄分布（总体 + 分级别）
- 平均年龄、中位数、最大/最小
- 各年龄段占比
3. 学历分布（总体 + 分级别）
4. 平均工作年限（分级别、分专业）
请生成 Python 脚本，执行后输出统计表格。职称评审质量指标
请统计以下评审质量相关指标：
1. 论文数量分布（平均、中位数、分级别对比）
2. 专利/软著数量分布
3. 获奖情况分布
4. 破格申报占比及通过率
5. 各评审结果的占比
请生成 Python 脚本，执行后输出统计表格。步骤4：可视化图表生成
趋势类图表
请基于 ./data/title-review-clean.csv，生成以下趋势图表，保存到 ./data/charts/ 目录：
图表1：年度申报人数与通过率趋势（折线+柱状组合图）
- X轴：年份（2018-2025）
- 左Y轴：申报人数（柱状图）
- 右Y轴：通过率（折线图，带数据标签）
- 标题："历年职称申报人数与通过率趋势"
图表2：各申报级别年度变化趋势（堆叠面积图）
- X轴：年份
- Y轴：申报人数
- 分层：初级/中级/副高级/正高级
- 标题："各申报级别年度申报人数变化"
图表3：各部门年度申报人数变化（多折线图）
- X轴：年份
- 每条线代表一个部门
- 标题："各部门职称申报人数年度趋势"分布类图表
请生成以下分布类图表，保存到 ./data/charts/ 目录：
图表4：申报级别分布（环形图/饼图）
- 显示各级别占比
- 标注人数和百分比
- 标题："职称申报级别分布"
图表5：年龄分布直方图
- X轴：年龄段（25-30, 31-35, 36-40, 41-45, 46-50, 51-55, 56+）
- Y轴：人数
- 按级别分色叠加
- 标题："申报人员年龄分布"
图表6：学历分布（横向柱状图）
- 按学历从高到低排列
- 标注人数和占比
- 按级别分色
- 标题："申报人员学历分布"对比类图表
请生成以下对比类图表，保存到 ./data/charts/ 目录：
图表7：各专业通过率对比（横向柱状图）
- 按通过率从高到低排序
- 标注通过率和申报人数
- 标注整体平均通过率参考线
- 标题："各专业职称评审通过率对比"
图表8：性别与申报级别关系（分组柱状图）
- X轴：申报级别
- 每组两根柱子：男/女
- 标题："各申报级别性别分布"
图表9：学历与通过率关系（柱状+折线组合图）
- X轴：学历等级
- 柱状图：各学历申报人数
- 折线图：各学历通过率
- 标题："学历与职称评审通过率关系"
图表10：各部门申报与通过率（雷达图或分组柱状图）
- 展示各部门申报人数和通过率
- 标题："各部门职称申报与通过情况"完整图表生成脚本（一键执行）
如果需要一次性生成所有图表，使用以下指令：
请生成一个完整的 Python 脚本，基于 ./data/title-review-clean.csv 生成以下所有图表，保存到 ./data/charts/ 目录：
1. 年度申报人数与通过率趋势（折线+柱状组合图）
2. 各申报级别年度变化趋势（堆叠面积图）
3. 各部门年度申报人数变化（多折线图）
4. 申报级别分布（环形图）
5. 年龄分布直方图（按级别分色）
6. 学历分布（横向柱状图，按级别分色）
7. 各专业通过率对比（横向柱状图）
8. 性别与申报级别关系（分组柱状图）
9. 学历与通过率关系（柱状+折线组合图）
10. 各部门申报与通过率（分组柱状图）
要求：
- 所有图表使用中文标题和标签
- 配色方案统一（使用协调的调色板）
- 图片尺寸 1200×800，DPI 150
- 图表简洁清晰，避免过度装饰
- 生成完成后列出所有文件名📌 前置条件：确保系统安装了中文字体。yum install -y wqy-microhei-fonts 或 apt install -y fonts-wqy-microhei。
步骤5：交叉分析与深度洞察
通过率影响因素分析
请对职称评审通过率进行交叉分析：
1. 学历 vs 通过率（按级别分层）
2. 年龄 vs 通过率（按年龄段）
3. 工作年限 vs 通过率（分段统计）
4. 论文数量 vs 通过率（0篇/1-2篇/3-5篇/5篇以上）
5. 专利数量 vs 通过率
6. 破格申报 vs 正常申报 的通过率对比
请生成 Python 脚本，执行后输出交叉分析表格。年度变化趋势分析
请分析以下年度变化趋势：
1. 申报人数的年度增长率
2. 通过率的年度变化（上升/下降/平稳）
3. 申报级别的年度结构变化（是否高级别申报比例增加）
4. 学历结构的年度变化（是否高学历占比提升）
5. 各部门申报人数的年度变化（是否有部门申报积极性变化）
请生成 Python 脚本，计算并输出以上趋势指标。生成洞察图表
请生成以下深度分析图表，保存到 ./data/charts/ 目录：
图表11：通过率影响因素热力图
- 行：影响因素（学历、年龄、工作年限、论文数、专利数）
- 列：申报级别
- 值：通过率
- 使用热力图配色
图表12：申报人数增长率趋势（柱状图）
- X轴：年份
- Y轴：同比增长率（%）
- 标注正负增长
图表13：高通过率人群画像（堆积柱状图）
- 展示通过率最高的人群特征组合
- 如：本科+35-40岁+5年工作经验+2篇论文步骤6：生成分析报告
生成完整分析报告
请基于以上所有统计数据和图表，生成一份完整的《历年职称评审数据分析报告》：
报告结构：
一、数据概况
- 数据来源、时间范围、样本量
- 数据质量说明
二、总体情况
- 历年申报人数变化趋势
- 总体通过率及变化
- 申报级别分布
- 申报人基本特征（性别、年龄、学历）
三、分级分析
- 各级别申报人数与通过率
- 各级别申报人特征差异
- 各级别通过率变化趋势
四、分专业分析
- 各专业申报情况
- 各专业通过率对比
- 专业间差异分析
五、分部门分析
- 各部门申报积极性
- 各部门通过率对比
- 部门间差异分析
六、通过率影响因素分析
- 学历、年龄、工作年限、论文、专利等因素的影响
- 关键发现
七、年度变化与趋势预测
- 历年变化趋势总结
- 未来趋势预判
八、建议
- 针对申报人的建议
- 针对管理部门的建议
要求：
- 每个章节引用对应的数据和图表
- 关键数据加粗标注
- 语言简洁，适合向管理层汇报
- 总字数3000-5000字生成精简版汇报PPT大纲
请基于以上完整报告，生成一份精简版汇报PPT大纲：
要求：
- 10-12页
- 每页一个核心观点
- 标注每页应配什么图表
- 每页3-5个要点
格式：
第1页：封面 — 历年职称评审数据分析报告
第2页：数据概况 — 样本量、时间范围、数据质量
第3页：申报人数趋势 — 配图1 + 核心发现
...生成执行摘要（1页版）
请生成一份1页纸的执行摘要（Executive Summary），包含：
- 核心数据（3-5个关键数字）
- 主要发现（3条）
- 关键建议（2条）
适合直接发给领导快速阅读。步骤7：导出与复用
导出报告和图表
请将以下文件整理并导出：
1. 完整分析报告 → Word 文档（.docx）
保存路径：./data/reports/职称评审数据分析报告_完整版.docx
2. 精简版PPT大纲 → Markdown 文件
保存路径：./data/reports/职称评审PPT大纲.md
3. 执行摘要 → Word 文档（.docx）
保存路径：./data/reports/职称评审执行摘要.docx
4. 所有图表 → 打包为 ZIP
保存路径：./data/reports/职称评审图表.zip
5. 清洗后的数据 → CSV
保存路径：./data/reports/职称评审数据_清洗后.csv
6. 统计分析结果表格 → Excel（多sheet）
保存路径：./data/reports/职称评审统计表.xlsx沉淀为可复用技能
将整套分析流程沉淀为技能文件，下次有新数据时直接调用：
请帮我创建一个技能文件，名为"职称数据分析"，包含以下流程：
1. 数据读取与质量检查
2. 数据清洗规则（缺失值处理、异常值检测、格式统一）
3. 核心指标统计（年度统计、分级统计、分专业统计、分部门统计）
4. 图表生成清单（13张标准图表）
5. 报告生成模板（完整报告 + PPT大纲 + 执行摘要）
6. 导出规范
创建后，下次只需说：
"用职称数据分析技能，处理 ./data/新数据.csv"
即可完成全流程。目录结构参考
完整项目目录结构：
data/
├── title-review-data.csv ← 原始数据
├── title-review-clean.csv ← 清洗后数据
├── title-review-anomaly.csv ← 异常数据
├── charts/
│ ├── 01-年度申报人数与通过率趋势.png
│ ├── 02-各申报级别年度变化趋势.png
│ ├── 03-各部门年度申报人数变化.png
│ ├── 04-申报级别分布.png
│ ├── 05-年龄分布直方图.png
│ ├── 06-学历分布.png
│ ├── 07-各专业通过率对比.png
│ ├── 08-性别与申报级别关系.png
│ ├── 09-学历与通过率关系.png
│ ├── 10-各部门申报与通过率.png
│ ├── 11-通过率影响因素热力图.png
│ ├── 12-申报人数增长率趋势.png
│ └── 13-高通过率人群画像.png
└── reports/
├── 职称评审数据分析报告_完整版.docx
├── 职称评审PPT大纲.md
├── 职称评审执行摘要.docx
├── 职称评审图表.zip
├── 职称评审数据_清洗后.csv
└── 职称评审统计表.xlsx