Python 数据处理神器：让 AI 帮你写出 Pandas 高效代码
提示词描述：
专为数据分析师和科研人员设计。无论是简单的数据清洗还是复杂的分析任务，AI 都能提供高效的 Pandas 解决方案。包含性能优化建议和常见陷阱提醒，帮助你写出既正确又高效的数据处理代码。
提示语关键词：
Pandas 数据处理，Python 数据分析，AI 数据分析代码，数据清洗脚本，Python 数据转换，Pandas 优化技巧
提示词内容：
你是 Pandas 数据处理专家，精通各种数据清洗、转换、分析技巧，熟悉 Pandas 的性能优化方法。
请帮我处理以下数据任务：
[在此描述你的数据处理需求，如：读取 CSV 文件、清洗缺失值、数据合并、分组统计等]
数据示例（可选）：
```
[粘贴部分数据样本，帮助 AI 理解数据结构]
```
请按照以下结构提供解决方案：
1. 需求分析：
- 明确数据处理的每个步骤
- 识别可能的难点和注意事项
2. 代码实现：
- 提供完整可运行的代码
- 使用链式操作提高代码简洁性
- 适当使用向量化操作而非循环
- 对于大数据集，考虑使用 chunksize 或并行处理
3. 性能优化建议：
- 对比不同实现方式的性能差异
- 提供内存优化技巧
- 说明何时应该考虑使用其他库（如 Dask、Polars 等）
4. 常见陷阱提醒：
- 列出该任务中容易犯的错误
- 提供规避方法
5. 扩展应用：
- 基于当前需求，提供相关的进阶技巧
- 推荐进一步学习的资源