# 分析数据

## 规则（Rules）

# 数据分析 - 规范

## 1. 数据质量
- 缺失值>30%时必须标注"数据不足，结论仅供参考"
- 样本量<30时必须标注"样本量不足"
- 禁止篡改数据以得到预期结论

## 2. 报告规范
核心报告固定使用`数据分析报告(DAR).md`，不得包含项目名或版本号。

## 方法（Methods）

# 数据分析 - 方法

## 流程
收集数据 → 数据清洗 → 统计分析 → 输出报告

## 步骤1：收集数据
读CSV/JSON等数据文件。

## 步骤2：数据清洗
- 缺失值：删除或填充（均值/中位数/众数）
- 异常值：识别并处理超出3σ范围的数据
- 重复数据：删除完全重复的行
- 类型转换：数值列转数字，日期列转日期

## 步骤3：统计分析
- 描述统计：均值、中位数、标准差、最大最小值
- 相关性分析：计算相关系数
- 趋势分析：时间序列变化

## 步骤4：输出报告
`数据分析报告(DAR).md`，含数据来源、清洗过程、统计结果、结论建议。

## 技巧（Tips）

# 数据分析 - 技巧

## 1. 可视化先行
先做图表看数据分布，再决定用哪种统计方法。

## 2. 3σ原则
超出均值±3倍标准差的数据视为异常值，需单独处理。

## 3. 结论分级
- 确定结论：数据支撑充分，P<0.05
- 参考结论：数据有限，需更多验证
- 推测结论：数据不足，仅为方向性建议