清洗、统计、出图、初稿：一条脚本跑通

毕业项目：搭一条可复现的科研数据分析管线——清洗、统计、出图、结果初稿，一条脚本跑通，换批数据一键重跑。对走学术路线的医生，这是最直接、最不踩红线（全程脱敏数据）的杠杆：过去几个研究助理干几个月的活，变成一人几周。

01为什么是「管线」而不是「跑一次」

科研数据分析的真实痛苦不在第一次，在第 N 次：审稿人要求补分析、数据更新了要重跑、下一个课题又从零开始。管线的意义是把「怎么处理」固化成脚本——每一步可追溯（审稿人问得到答案）、可重复（换数据即重跑）、可交接（师弟师妹接手不抓瞎）。

02跟做：一段提示词

读 @实验数据_脱敏.csv，帮我搭一条可复现的分析管线：
1. 数据清洗：缺失值和异常值怎么处理，每一步先给我方案我确认，
   处理日志单独存一份（审稿人会问）
2. 描述性统计 + 按分组比较主要指标：选什么统计检验、为什么选它
   （样本量/分布/设计），说给我听我确认再跑
3. 生成出版级图表（分布图、组间比较图，期刊常用格式）
4. 把整个流程写成一个脚本：我换一批数据能直接重跑
5. 写结果描述初稿：只陈述统计事实，不做因果解读
6. 最后出一份「分析说明」：每步干了什么、为什么——
   按「我要能向审稿人和统计审稿逐条解释」的标准写。

每个「我确认」的节点都是这条管线属于你的证明——方法选择是学术判断，p 值背后是你的名字。它能跑，不代表它跑对了；跑对不对，你说了算。

03验收与防线

• 关键数字换个方法验证：主要结局的组间差异，让它用另一种等价方法再算一遍，两个结果对得上才踏实；
• 警惕数据挖掘的诱惑：它可能热心地报告「另外发现 XX 亚组有显著差异」——未预设的亚组分析写进论文是学术大忌，当探索性线索记下可以，混进主结果不行；
• 重跑测试：删掉产出、原数据重跑一遍脚本，结果一致才算「可复现」达标。

04检查点