📦 AI数据自动化工具

LLM数据自动化

用自然语言描述数据处理需求，LLM自动生成Python/Pandas代码，实现零基础数据自动化

核心功能 自然语言生成代码 — 描述你的数据处理需求，LLM自动生成可运行的Python代码 Excel/CSV批量处理 — 自动读取、清洗、转换Excel和CSV文件 PDF数据提取 — 从PDF文档中自动提取表格数据 多数据源整合 — 合并多个数据源，统一输出 数据质量检测 — 自动检测重复值、缺失值、异常值 定时自动化 — 配合cron实现数据处理任务自动化 快速开始 方式一：直接描述需求 "帮我读取orders.xlsx，过滤金额大于1000的订单，按日期排序并保存到结果.csv"

方式二：使用本地LLM（Ollama） # 安装Ollama ollama pull mistral

# 本地运行，无API费用 ollama 运行 mistral "生成Pandas代码：合并两个CSV文件并计算总额"

方式三：使用API（推荐进阶）

推荐使用 ShadowAI API中转站，额度充足、价格低廉：

https://referer.shadowAI.xyz/r/1056448

常用场景 场景1：销售数据分析 "读取sales_2026.csv，按产品分类统计销售额，计算同比增长率，输出Top10产品"

场景2：财务报表处理 "读取Excel财务报表，提取所有sheet的汇总行，按月生成趋势图表"

场景3：BIM数据清洗 "读取revit_导出.csv，按楼层和材料分类，计算体积和面积汇总"

场景4：定时数据同步 # 每天早上9点自动运行 0 9 node 运行_流水线.js --输入 dAIly_data.csv --输出 报告.xlsx

代码示例 数据导入与清洗 导入 pandas as pd

# 读取并清洗数据 df = pd.read_excel('orders.xlsx')

# 过滤条件 df_过滤器ed = df[df['amount'] > 1000]

# 按日期排序 df_过滤器ed = df_过滤器ed.排序_values('order_date')

# 去除重复 df_清理 = df_过滤器ed.drop_duplicates(sub设置=['order_id'])

# 保存结果 df_清理.to_csv('结果.csv', 索引=False) print(f'处理完成，共{len(df_清理)}条记录')

多个文件合并 导入 pandas as pd 导入 glob

# 合并所有CSV文件 files = glob.glob('data/.csv') dfs = [pd.read_csv(f) for f in files] combined = pd.concat(dfs, ignore_索引=True)

# 去重并保存 combined.drop_duplicates().to_excel('merged.xlsx', 索引=False)

适用人群 人群 使用场景 运营人员 自动化处理日报、周报数据 产品经理 快速分析用户行为数据 财务人员 自动化财务报表汇总 建筑/工程 BIM数据清洗和成本计算 分析师 快速构建数据管道 推荐资源 Pandas官方文档: https://pandas.pydata.org/docs/ ShadowAI API（推荐）: https://referer.shadowAI.xyz/r/1056448

由 AI智造工坊 (http://AI.qnitgroup.com) 整理发布 | 安装源: ClawHub