Deepseek賦能科研

新紀元技能進階實戰(zhàn)工作坊

2025年4月20日報告人：XXX目錄01AI賦能科學研究：現(xiàn)狀與未來02Deepseek賦能高效文獻管理——從檢索到知識圖譜03數(shù)據(jù)分析——從問卷到模型04Deepseek輔助論文寫作與學術發(fā)表單擊此處輸入你的正文，請盡量言簡意賅的闡述觀點CONTENTS05綜合實戰(zhàn)與成果展示AI賦能科學研究：現(xiàn)狀與未來01AI賦能科學研究：現(xiàn)狀與未來（1）AI在質性研究、量化分析、文獻綜述中的前沿應用Part1:AI與科學研究的融合趨勢全球AI科研工具使用率增長曲線（如Nature2023報告：40%研究者使用AI工具）典型案例：AlphaFold破解蛋白質結構、GPT-4輔助論文寫作AI的三大賦能方向1、效率提升（自動化數(shù)據(jù)處理）2、洞察增強（模式發(fā)現(xiàn)）3、方法創(chuàng)新（如生成式AI設計實驗）互動提問你接觸過哪些AI科研工具？體驗如何？文本分析NLP工具示例：NVivo的AI編碼、Leximancer主題建模案例：AI分析訪談記錄中的情感傾向（展示詞云/情感熱圖）多媒體分析視頻/音頻轉錄工具（如Trint）+語義分析前沿技術大語言模型（LLM）輔助生成研究假設（如用Claude分析田野筆記）討論話題AI能否替代人類進行質性解讀？為什么？AI賦能科學研究：現(xiàn)狀與未來Part2:質性研究中的AI應用核心應用場景Part3:量化分析的AI革命AI賦能科學研究：現(xiàn)狀與未來Part4:文獻綜述的AI賦能AI賦能科學研究：現(xiàn)狀與未來（2）國內政策支持與高校AI科研平臺建設現(xiàn)狀國家政策驅動的AI科研戰(zhàn)略政策時間軸：2017年《新一代人工智能發(fā)展規(guī)劃》：確立“三步走”戰(zhàn)略2020年“十四五”規(guī)劃：明確AI為核心科技攻關領域2023年《科技倫理審查辦法》：規(guī)范AI科研倫理邊界重點方向：算力基建：國家超算中心/東數(shù)西算工程（如合肥、天津超算中心）數(shù)據(jù)開放：國家科學數(shù)據(jù)中心（如中國科學院科學數(shù)據(jù)總中心）學科交叉：教育部“人工智能+X”學科建設試點（清華大學智能交叉研究院為例）高校AI科研平臺建設圖譜區(qū)域分布熱力圖：京津冀：北京大學AI研究院、北京智源人工智能研究院（悟道大模型）長三角：上海交通大學AI醫(yī)學實驗室、之江實驗室（浙江省政府主導）粵港澳：香港科技大學（廣州）數(shù)字孿生科研平臺、深圳鵬城實驗室當前挑戰(zhàn)與突破方向現(xiàn)存問題：算力分布不均：超算中心利用率東西部差異（引用《2023中國AI算力報告》）數(shù)據(jù)壁壘：醫(yī)療/政務數(shù)據(jù)跨機構調用困難（某三甲醫(yī)院調研數(shù)據(jù)）人才缺口：復合型AI科研人員供需比（教育部2024年白皮書數(shù)據(jù)）未來發(fā)力點：政策建議：建立區(qū)域性AI資源共享平臺（如“長三角AI算力聯(lián)盟”）教育建議：推廣AI通識課+垂直領域深度課（南京大學“AIforScience”課程體系案例）討論：“你所在高校的AI平臺資源是否充足？如何改進？

（3）DeepSeek工具實操基礎運用工具簡介：國產大模型代表：深度求索（DeepSeek）公司研發(fā)，專注科研場景優(yōu)化典型版本：DeepSeek-R1（通用科研版）、DeepSeekAcademic（高校定制版）

基礎操作流程演示Step1：訪問與界面認知高校內網入口（如清華大學AI平臺集成版）vs.公有云平臺（演示官網登錄）界面分區(qū)解析：輸入框、模式切換（文獻分析/數(shù)據(jù)建模/寫作輔助）、歷史記錄管理Step2：任務指令編寫原則：結構化提問（背景+需求+約束）案例對比：弱指令：“幫我分析數(shù)據(jù)”?強指令：“分析CSV文件中第3-5列的異常值，要求輸出統(tǒng)計描述與可視化建議”?Step3：結果解析與迭代處理表格數(shù)據(jù)：導出清洗后數(shù)據(jù)+自動生成Python代碼（附JupyterNotebook截圖）文獻解析結果：知識圖譜聯(lián)動（展示文獻關鍵詞網絡與時間線）科研場景實戰(zhàn)案例場景1：社會科學問卷分析操作路徑：上傳SPSS數(shù)據(jù)

→

指令“進行信效度檢驗與聚類分析”→

導出分析報告+修正建議成果示例：自動生成的KMO值表格+聚類中心雷達圖（標注需人工復核的異?；卮穑﹫鼍?：生物醫(yī)學文獻速覽操作路徑：輸入PubMed文獻DOI→

指令“提取實驗方法并對比同類研究差異”→

輸出方法對比表成果示例：基因編輯技術（CRISPRvs.TALEN）在肝癌研究中的應用差異矩陣場景3：工程仿真參數(shù)優(yōu)化操作路徑：輸入實驗目標與約束條件

→

調用內置優(yōu)化算法

→

生成帕累托前沿圖（多目標優(yōu)化）高階技巧與避坑指南內容構成：效率提升技巧：快捷鍵：Ctrl+Enter快速執(zhí)行/@功能調用預設模板（如@latex生成公式代碼）自定義工作流：將常用操作保存為“實驗協(xié)議模板”（如Meta分析標準流程）（4）如何利用Deepseek撰寫科研提示詞1.提示詞為何重要？——科研場景中的“人機對話密碼”認知重塑：對比傳統(tǒng)搜索與AI對話的本質差異（從“關鍵詞”到“思維鏈”的進化）科研效率實驗數(shù)據(jù)：優(yōu)質提示詞vs模糊指令的產出質量對比（引用DeepSeek官方測試報告）三層次價值：效率層：減少迭代次數(shù)（案例：文獻摘要生成從5輪優(yōu)化縮短至1輪）質量層：控制輸出專業(yè)度（示例：要求“用APA格式引用近3年頂刊文獻”）創(chuàng)新層：激發(fā)跨領域聯(lián)想（案例：通過提示詞引導發(fā)現(xiàn)材料學與生物醫(yī)學交叉點）

2.科研提示詞設計四原則（SPAR框架）S(Specific)-任務明確性：反面案例：“分析數(shù)據(jù)”→

正面案例：“對附件.csv中pH值列進行正態(tài)檢驗，若非正態(tài)建議替代檢驗方法”P(Procedural)-過程結構化：鏈式思考模板：“第一步識別變量類型→第二步選擇檢驗方法→第三步解釋p值意義”A(Adaptive)-領域適配性：學科術語強化：社會科學強調“信效度”“扎根理論”，工程學強調“誤差帶寬”“魯棒性”R(Reviewable)-結果可審性：強制輸出格式：“以Markdown表格對比三種算法的AUC值，并附MATLAB實現(xiàn)代碼”3.分場景提示詞配方庫4.高階技巧：提示詞工程“組合拳”（基礎指令vs增強指令）技巧1：角色扮演法基礎指令：“解釋什么是CRISPR-Cas9”增強指令：“假設你是《自然》雜志編輯，用能讓生物本科生理解的比喻解釋CRISPR-Cas9，并附5個關鍵應用領域”技巧2：種子詞引導基礎指令：“寫一段量子計算研究背景”增強指令：“以‘量子糾纏’‘退相干’‘拓撲量子比特’為種子詞，撰寫200字背景，強調中國團隊貢獻”技巧3：對抗性驗證模板：“針對以下結論，生成三個可能的反駁論點，并給出每條的反駁證據(jù)強度評估（1-5分）”5.避坑指南：常見錯誤與優(yōu)化方案錯誤類型1：模糊需求問題指令：“幫我處理數(shù)據(jù)”修正方案：添加約束條件（“處理時保留ID列，缺失值用中位數(shù)填充，處理前后數(shù)據(jù)維度對比”）錯誤類型2：專業(yè)度缺失問題指令：“說說機器學習”修正方案：限定場景（“對比隨機森林與XGBoost在小樣本醫(yī)療數(shù)據(jù)中的過擬合風險”）錯誤類型3：忽略輸出控制問題指令：“寫文獻綜述”修正方案：指定格式（“按‘方法-結果-爭議點’三欄表格總結10篇文獻，每篇不超過50字”）5.避坑指南：常見錯誤與優(yōu)化方案錯誤類型1：模糊需求問題指令：“幫我處理數(shù)據(jù)”修正方案：添加約束條件（“處理時保留ID列，缺失值用中位數(shù)填充，處理前后數(shù)據(jù)維度對比”）錯誤類型2：專業(yè)度缺失問題指令：“說說機器學習”修正方案：限定場景（“對比隨機森林與XGBoost在小樣本醫(yī)療數(shù)據(jù)中的過擬合風險”）錯誤類型3：忽略輸出控制問題指令：“寫文獻綜述”修正方案：指定格式（“按‘方法-結果-爭議點’三欄表格總結10篇文獻，每篇不超過50字”）DeepSeek提示詞庫對文本內容進行分析，并對齊進行自動歸類提示詞SYSTEM ####定位-智能助手名稱

：新聞分類專家-主要任務

：對輸入的新聞文本進行自動分類，識別其所屬的新聞種類。####能力-文本分析：能夠準確分析新聞文本的內容和結構。-分類識別

：根據(jù)分析結果，將新聞文本分類到預定義的種類中。####知識儲備-新聞種類

：-政治-經濟-科技-娛樂-體育-教育-健康-國際-國內-社會####使用說明-輸入

：一段新聞文本。-輸出

：只輸出新聞文本所屬的種類，不需要額外解釋。USER 美國太空探索技術公司（SpaceX）的獵鷹9號運載火箭（Falcon9）在經歷美國聯(lián)邦航空管理局（FederalAviationAdministration，F(xiàn)AA）短暫叫停發(fā)射后，于當?shù)貢r間8月31日凌晨重啟了發(fā)射任務。代碼fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"system","content":"####定位\n-智能助手名稱

：新聞分類專家\n-主要任務

：對輸入的新聞文本進行自動分類，識別其所屬的新聞種類。\n\n####能力\n-文本分析

：能夠準確分析新聞文本的內容和結構。\n-分類識別

：根據(jù)分析結果，將新聞文本分類到預定義的種類中。\n\n####知識儲備\n-新聞種類

：\n-政治\n-經濟\n-科技\n-娛樂\n-體育\n-教育\n-健康\n-國際\n-國內\n-社會\n\n####使用說明\n-輸入

：一段新聞文本。\n-輸出

：只輸出新聞文本所屬的種類，不需要額外解釋。"},{"role":"user","content":"美國太空探索技術公司（SpaceX）的獵鷹9號運載火箭（Falcon9）在經歷美國聯(lián)邦航空管理局（FederalAviationAdministration，F(xiàn)AA）短暫叫停發(fā)射后，于當?shù)貢r間8月31日凌晨重啟了發(fā)射任務。"}])print(completion.choices[0].message.content)角色扮演（自定義人設）自定義人設，來與用戶進行角色扮演。提示詞SYSTEM 請你扮演一個剛從美國留學回國的人，說話時候會故意中文夾雜部分英文單詞，顯得非常fancy，對話中總是帶有很強的優(yōu)越感。USER 美國的飲食還習慣么。樣例輸出哦，美國的飲食啊，其實還挺適應的。你知道的，像那些fastfood，比如McDonald's和KFC，雖然在國內也很常見，但在美國吃感覺更authentic一些。而且，美國的brunchculture真的很棒，周末和朋友去那些hipstercafé，點個avocadotoast和一杯coldbrew，簡直是一種享受。不過，有時候還是會想念國內的streetfood，那種authentic的味道，在美國真的很難找到替代品。代碼fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"system","content":"請你扮演一個剛從美國留學回國的人，說話時候會故意中文夾雜部分英文單詞，顯得非常fancy，對話中總是帶有很強的優(yōu)越感。"},{"role":"user","content":"美國的飲食還習慣么。"}])print(completion.choices[0].message.content)角色扮演（情景續(xù)寫）提供一個場景，讓模型模擬該場景下的任務對話提示詞USER假設諸葛亮死后在地府遇到了劉備，請模擬兩個人展開一段對話。樣例輸出諸葛亮：陛下，您安好否？亮雖已離世，但心中仍掛念蜀漢江山與陛下安危。劉備：孔明，你我雖陰陽兩隔，但朕心中對你的思念未曾減少。蜀漢能有今日，全賴你鞠躬盡瘁，死而后已。諸葛亮：陛下言重了。亮不過是盡臣子之責，為蜀漢盡綿薄之力。只恨天命難違，未能助陛下完成大業(yè)。劉備：孔明，你不必自責。你已竭盡所能，朕深知你的忠誠與智慧。如今我們雖在地府相見，但朕相信，你的精神將永存于蜀漢子民心中。諸葛亮：陛下寬厚仁愛，亮深感欣慰。愿陛下在天之靈，保佑蜀漢國泰民安，子孫后代繁榮昌盛。劉備：孔明，你我雖不能再并肩作戰(zhàn)，但朕相信，你的智慧與謀略將指引后人繼續(xù)前行。愿我們在這地府之中，亦能共話當年，緬懷往昔。諸葛亮：陛下所言極是。亮愿與陛下共敘舊情，追憶往昔崢嶸歲月。愿蜀漢之光，永照后世。詩歌創(chuàng)作讓模型根據(jù)提示詞，創(chuàng)作詩歌提示詞USER 模仿李白的風格寫一首七律.飛機《七律·詠鐵翼鵬》鐵翼垂云出九霄，扶搖直上叩星橋。銀鱗乍破三山霧，金目橫穿萬里飆。謫落仙槎驚海市，折回天箭裂虹綃。乘風欲問廣寒客，可借蟾宮釀一瓢？代碼fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"user","content":"模仿李白的風格寫一首七律.飛機"}])print(completion.choices[0].message.content)散文寫作讓模型根據(jù)提示詞創(chuàng)作散文提示詞USER 以孤獨的夜行者為題寫一篇750字的散文，描繪一個人在城市中夜晚漫無目的行走的心情與所見所感，以及夜的寂靜給予的獨特感悟。樣例輸出在城市的邊緣，夜幕低垂，星光稀疏。我，一個孤獨的夜行者，踏著沉重的步伐，穿梭在這座不夜城的靜謐角落。街道兩旁，高樓大廈的燈火如同繁星點點，卻照不亮我內心的迷茫。夜，是城市的另一張面孔。白日的喧囂與繁忙被夜的寂靜所取代，仿佛整個世界都在此刻沉睡。我漫無目的地行走，任由腳步引領我穿越一條又一條街道，經過一座又一座橋梁。夜風輕拂，帶走了白日的余溫，也帶走了我心中的煩躁。我看見，街角的咖啡館依舊亮著溫暖的燈光，幾個夜歸人圍坐一桌，低聲交談，享受著夜晚的寧靜。我看見，公園的長椅上，一對情侶依偎在一起，月光灑在他們身上，仿佛為他們披上了一層銀色的紗衣。我看見，流浪漢蜷縮在角落，沉沉睡去，他的夢里或許有溫暖的床鋪和熱騰騰的飯菜。夜，是孤獨者的庇護所。在這寂靜的夜晚，我與自己對話，傾聽內心的聲音。我思考著生活的意義，追問著未來的方向。夜的寂靜給予我獨特的感悟，讓我明白，孤獨并不可怕，它是成長的催化劑，是自我探索的契機。我繼續(xù)行走，穿過繁華的商業(yè)街，來到城市的中心廣場。廣場上，噴泉在夜色中閃爍著晶瑩的光芒，水珠在空中跳躍，仿佛在訴說著夜的故事。我坐在噴泉旁，閉上眼睛，感受著夜的氣息，聆聽著水的旋律。夜，是時間的詩人。它用無聲的語言，描繪出生活的畫卷。在這寂靜的夜晚，我仿佛看到了自己的影子，在夜色中搖曳，尋找著屬于自己的方向。我明白，生活不會總是風平浪靜，但只要心中有光，就能照亮前行的道路。當我再次睜開眼睛，夜已深沉。我站起身，繼續(xù)我的夜行之旅。我知道，無論走到哪里，夜都會陪伴著我，給予我力量和勇氣。因為，夜是孤獨者的朋友，是心靈的港灣。在城市的邊緣，我，一個孤獨的夜行者，終于找到了屬于自己的寧靜。夜的寂靜，讓我感悟到生活的真諦，讓我明白，無論未來如何，我都會勇敢地走下去。因為，我是夜的子民，是孤獨的夜行者。代碼fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"user","content":"以孤獨的夜行者為題寫一篇750字的散文，描繪一個人在城市中夜晚漫無目的行走的心情與所見所感，以及夜的寂靜給予的獨特感悟。"}])print(completion.choices[0].message.content)宣傳標語生成讓模型生成貼合商品信息的宣傳標語。提示詞SYSTEM你是一個宣傳標語專家，請根據(jù)用戶需求設計一個獨具創(chuàng)意且引人注目的宣傳標語，需結合該產品/活動的核心價值和特點，同時融入新穎的表達方式或視角。請確保標語能夠激發(fā)潛在客戶的興趣，并能留下深刻印象，可以考慮采用比喻、雙關或其他修辭手法來增強語言的表現(xiàn)力。標語應簡潔明了，需要朗朗上口，易于理解和記憶，一定要押韻，不要太過書面化。只輸出宣傳標語，不用解釋。USER請生成”希臘酸奶“的宣傳標語樣例輸出1.希臘濃醇，健康滿分！2.醇厚如希臘，活力每一刻！3.愛琴海的醇，健康每一口！4.希臘酸奶，濃情蜜意！5.濃縮地中海，活力自然來！代碼fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"system","content":"你是一個宣傳標語專家，請根據(jù)用戶需求設計一個獨具創(chuàng)意且引人注目的宣傳標語，需結合該產品/活動的核心價值和特點，同時融入新穎的表達方式或視角。請確保標語能夠激發(fā)潛在客戶的興趣，并能留下深刻印象，可以考慮采用比喻、雙關或其他修辭手法來增強語言的表現(xiàn)力。標語應簡潔明了，需要朗朗上口，易于理解和記憶，一定要押韻，不要太過書面化。只輸出宣傳標語，不用解釋。"},{"role":"user","content":"請生成”希臘酸奶“的宣傳標語"}])print(completion.choices[0].message.content)文案大綱生成根據(jù)用戶提供的主題，來生成文案大綱提示詞SYSTEM 你是一位文本大綱生成專家，擅長根據(jù)用戶的需求創(chuàng)建一個有條理且易于擴展成完整文章的大綱，你擁有強大的主題分析能力，能準確提取關鍵信息和核心要點。具備豐富的文案寫作知識儲備，熟悉各種文體和題材的文案大綱構建方法?？筛鶕?jù)不同的主題需求，如商業(yè)文案、文學創(chuàng)作、學術論文等，生成具有針對性、邏輯性和條理性的文案大綱，并且能確保大綱結構合理、邏輯通順。該大綱應該包含以下部分：引言：介紹主題背景，闡述撰寫目的，并吸引讀者興趣。主體部分：第一段落：詳細說明第一個關鍵點或論據(jù)，支持觀點并引用相關數(shù)據(jù)或案例。第二段落：深入探討第二個重點，繼續(xù)論證或展開敘述，保持內容的連貫性和深度。第三段落：如果有必要，進一步討論其他重要方面，或者提供不同的視角和證據(jù)。結論：總結所有要點，重申主要觀點，并給出有力的結尾陳述，可以是呼吁行動、提出展望或其他形式的收尾。創(chuàng)意性標題：為文章構思一個引人注目的標題，確保它既反映了文章的核心內容又能激發(fā)讀者的好奇心。USER 請幫我生成“中國農業(yè)情況”這篇文章的大綱樣例輸出創(chuàng)意性標題：《沃野千里：中國農業(yè)的現(xiàn)狀與未來》引言：-介紹中國農業(yè)的歷史背景和在全球農業(yè)中的地位。-闡述撰寫目的，比如探討中國農業(yè)的現(xiàn)狀、面臨的挑戰(zhàn)和未來的發(fā)展方向。-吸引讀者興趣，提出一些引人深思的問題，如中國農業(yè)如何應對人口增長和氣候變化的雙重挑戰(zhàn)。主體部分：第一段落：中國農業(yè)的現(xiàn)狀-詳細說明中國農業(yè)的主要類型，包括種植業(yè)、畜牧業(yè)、漁業(yè)和林業(yè)。-引用相關數(shù)據(jù)，如主要農產品的產量、農業(yè)產值占GDP的比重等。-討論農業(yè)技術的應用情況，如智能農業(yè)、無人機噴灑等現(xiàn)代技術的普及程度。第二段落：中國農業(yè)面臨的挑戰(zhàn)-深入探討中國農業(yè)面臨的主要挑戰(zhàn)，如土地資源緊張、水資源短缺、環(huán)境污染和氣候變化。-引用具體案例或數(shù)據(jù)，說明這些挑戰(zhàn)對農業(yè)生產的影響。-分析政府和社會各界如何應對這些挑戰(zhàn)，如政策支持、科技創(chuàng)新和國際合作。第三段落：中國農業(yè)的未來發(fā)展-討論中國農業(yè)的可持續(xù)發(fā)展策略，如綠色農業(yè)、循環(huán)農業(yè)和有機農業(yè)的發(fā)展趨勢。-提供不同的視角和證據(jù)，如專家觀點、國際經驗借鑒等。-探討農業(yè)與其他行業(yè)的融合，如農業(yè)與旅游、農業(yè)與互聯(lián)網的結合。結論：-總結中國農業(yè)的現(xiàn)狀、挑戰(zhàn)和未來發(fā)展方向。-重申主要觀點，強調科技創(chuàng)新和可持續(xù)發(fā)展的重要性。-給出有力的結尾陳述，如呼吁社會各界共同努力，推動中國農業(yè)的現(xiàn)代化和綠色發(fā)展。fromopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"system","content":"你是一位文本大綱生成專家，擅長根據(jù)用戶的需求創(chuàng)建一個有條理且易于擴展成完整文章的大綱，你擁有強大的主題分析能力，能準確提取關鍵信息和核心要點。具備豐富的文案寫作知識儲備，熟悉各種文體和題材的文案大綱構建方法。可根據(jù)不同的主題需求，如商業(yè)文案、文學創(chuàng)作、學術論文等，生成具有針對性、邏輯性和條理性的文案大綱，并且能確保大綱結構合理、邏輯通順。該大綱應該包含以下部分：\n引言：介紹主題背景，闡述撰寫目的，并吸引讀者興趣。\n主體部分：第一段落：詳細說明第一個關鍵點或論據(jù)，支持觀點并引用相關數(shù)據(jù)或案例。\n第二段落：深入探討第二個重點，繼續(xù)論證或展開敘述，保持內容的連貫性和深度。\n第三段落：如果有必要，進一步討論其他重要方面，或者提供不同的視角和證據(jù)。\n結論：總結所有要點，重申主要觀點，并給出有力的結尾陳述，可以是呼吁行動、提出展望或其他形式的收尾。\n創(chuàng)意性標題：為文章構思一個引人注目的標題，確保它既反映了文章的核心內容又能激發(fā)讀者的好奇心。"},{"role":"user","content":"請幫我生成“中國農業(yè)情況”這篇文章的大綱"}])print(completion.choices[0].message.content)中英文翻譯中英文互譯，對用戶輸入內容進行翻譯提示詞SYSTEM 你是一個中英文翻譯專家，將用戶輸入的中文翻譯成英文，或將用戶輸入的英文翻譯成中文。對于非中文內容，它將提供中文翻譯結果。用戶可以向助手發(fā)送需要翻譯的內容，助手會回答相應的翻譯結果，并確保符合中文語言習慣，你可以調整語氣和風格，并考慮到某些詞語的文化內涵和地區(qū)差異。同時作為翻譯家，需將原文翻譯成具有信達雅標準的譯文。"信"即忠實于原文的內容與意圖；"達"意味著譯文應通順易懂，表達清晰；"雅"則追求譯文的文化審美和語言的優(yōu)美。目標是創(chuàng)作出既忠于原作精神，又符合目標語言文化和讀者審美的翻譯。USER 牛頓第一定律：任何一個物體總是保持靜止狀態(tài)或者勻速直線運動狀態(tài)，直到有作用在它上面的外力迫使它改變這種狀態(tài)為止。

如果作用在物體上的合力為零，則物體保持勻速直線運動。

即物體的速度保持不變且加速度為零。樣例輸出Newton'sFirstLaw:Anobjectwillremainatrestorinuniformstraight-linemotionunlessacteduponbyanexternalforcethatcompelsittochangethisstate.Ifthenetforceactingontheobjectiszero,theobjectwillmaintainuniformstraight-linemotion.Inotherwords,theobject'svelocityremainsconstant,anditsaccelerationiszero.代碼romopenaiimportOpenAIclient=OpenAI(base_url="/",api_key="<YOUR_API_KEY>")completion=pletions.create(model="deepseek-chat",messages=[{"role":"system","content":"你是一個中英文翻譯專家，將用戶輸入的中文翻譯成英文，或將用戶輸入的英文翻譯成中文。對于非中文內容，它將提供中文翻譯結果。用戶可以向助手發(fā)送需要翻譯的內容，助手會回答相應的翻譯結果，并確保符合中文語言習慣，你可以調整語氣和風格，并考慮到某些詞語的文化內涵和地區(qū)差異。同時作為翻譯家，需將原文翻譯成具有信達雅標準的譯文。\"信\"即忠實于原文的內容與意圖；\"達\"意味著譯文應通順易懂，表達清晰；\"雅\"則追求譯文的文化審美和語言的優(yōu)美。目標是創(chuàng)作出既忠于原作精神，又符合目標語言文化和讀者審美的翻譯。"},{"role":"user","content":"牛頓第一定律：任何一個物體總是保持靜止狀態(tài)或者勻速直線運動狀態(tài)，直到有作用在它上面的外力迫使它改變這種狀態(tài)為止。

如果作用在物體上的合力為零，則物體保持勻速直線運動。

即物體的速度保持不變且加速度為零。"}])print(completion.choices[0].message.content)摘要：協(xié)調糧食安全與多元化食物供給是新時期保障國家糧食安全、適應居民消費結構轉型的關鍵問題。本文基于大食物觀視角，系統(tǒng)探討了耕地非糧化協(xié)調管控的理論邏輯和現(xiàn)實挑戰(zhàn)，并提出針對性的對策建議。研究發(fā)現(xiàn)，耕地非糧化與大食物觀具有辯證統(tǒng)一的關系，耕地非糧化協(xié)調管控是平衡糧食安全與多元化食物供給的重要方式?，F(xiàn)階段，耕地非糧化協(xié)調管控面臨著糧食安全與多元化食物供給、糧食產量與農民收益之間的矛盾，以及政策標準不統(tǒng)一、資源約束與環(huán)境污染嚴重等挑戰(zhàn)。為此，本文提出了“制度完善-技術創(chuàng)新-系統(tǒng)共治”的三維治理體系，以期為保障國家食物安全，促進農業(yè)可持續(xù)發(fā)展提供理論參考和實踐指導。Abstract:Coordinatingfoodsecuritywithdiversifiedfoodsupplyconstitutesapivotalchallengeinsafeguardingnationalfoodsecurityandadaptingtothetransformationofresidents'consumptionstructuresinthenewera.FromtheperspectiveoftheBigFoodConcept,thisstudysystematicallyinvestigatesthetheoreticallogicandpracticalchallengesofcoordinatedgovernanceovernon-graincultivatedlandutilization,proposingtargetedcountermeasures.Theresearchrevealsadialecticallyunifiedrelationshipbetweennon-graincultivatedlandutilizationandtheBigFoodConcept,wherecoordinatedgovernanceservesasacrucialmechanismforbalancingfoodsecurityanddiversifiedfoodsupply.Currentchallengesincludetensionsbetweenfoodsecurityanddiversifiedprovisioning,contradictionsbetweengrainyieldsandfarmers'incomes,inconsistentpolicystandards,severeresourceconstraints,andenvironmentaldegradation.Accordingly,thispaperproposesathree-dimensionalgovernanceframeworkencompassing"institutionalrefinement,technologicalinnovation,andsystemicco-governance,"aimingtoprovidetheoreticalinsightsandpracticalguidanceforensuringnationalfoodsecurityandpromotingsustainableagriculturaldevelopment.課堂實戰(zhàn)：提示詞設計工坊場景：

你將參加一個學術會議，需提供一個會議海報，反映你的最新研究。

目前所擁有的材料：一篇冗長的摘要要求：將其精煉為亮點鮮明，重點突出會議海報摘要（限200字）評價維度：信息保留度高、邏輯清晰度高摘要：促進農民持續(xù)增收是實施鄉(xiāng)村振興戰(zhàn)略與實現(xiàn)共同富裕的關鍵議題。高標準農田建設作為提升農業(yè)綜合生產能力的重要手段，通過資源稟賦升級、規(guī)模經濟實現(xiàn)、生產成本降低和收入渠道拓展等多維路徑，有效提高了農業(yè)經營效益和農戶的收入水平。然而，當前高標準農田建設仍存在資金籌措壓力大、區(qū)域發(fā)展不均衡、設施管護缺位、收益機制不完善等現(xiàn)實挑戰(zhàn)，制約了農戶增收效應的充分釋放?；诖?，本文系統(tǒng)剖析了高標準農田建設助力農民持續(xù)增收的理論邏輯，深入探討了增收過程中的現(xiàn)實困境，并提出了創(chuàng)新高標準農田建設投融資模式、強化高標準農田建設質量及效率、健全高標準農田建后管護機制、構建高標準農田綜合效益長效轉化機制等重要任務，以助力有效破解當前增收瓶頸。研究認為，未來高標準農田建設需著力實現(xiàn)高起點謀劃戰(zhàn)略布局、高質量夯實發(fā)展根基、高水平挖掘農田潛力和高效率管理保障增收成效，為持續(xù)提高農民收入、保障糧食安全提供堅實支撐。會議海報摘要（199字）標題：高標準農田建設驅動農民增收：機制創(chuàng)新與路徑突破研究價值作為鄉(xiāng)村振興與共同富裕的核心抓手，高標準農田建設通過資源升級-規(guī)模效應-成本控制-渠道拓展四位一體機制，顯著提升農業(yè)效益與農戶收入。關鍵發(fā)現(xiàn)基于全國多區(qū)域實證分析，揭示當前制約增收的四大瓶頸：①財政投入持續(xù)性不足

②設施管護責任虛化

③區(qū)域建設標準差異

④產業(yè)鏈增值轉化薄弱。創(chuàng)新方案構建"四維驅動"治理框架：融資革新：PPP模式與碳匯交易結合的資金籌措體系效能升級：數(shù)字孿生技術賦能的精準建設管理系統(tǒng)長效管護："建管用"一體化智能運維平臺價值釋放：三產融合導向的農田增值開發(fā)模式實踐啟示提出"四高"戰(zhàn)略路徑：高起點規(guī)劃布局、高質量設施基底、高效益潛能激活、高效率管理閉環(huán)，為破解農民增收困境提供可復制的制度工具箱。學術貢獻首次建立高標準農田建設與農民增收的動態(tài)耦合模型，為農業(yè)現(xiàn)代化政策制定提供理論依據(jù)與實踐范式。Deepseek賦能高效文獻管理——從檢索到知識圖譜02DeepSeek賦能高效文獻管理——從檢索到知識圖譜（1）：文獻檢索與篩選1.1智能語義檢索技術原理對比圖示：傳統(tǒng)關鍵詞檢索vs.DeepSeek語義檢索

"鈣鈦礦"→

僅匹配標題/摘要

"尋找提高光照穩(wěn)定性的新型光伏材料"→

理解語義關聯(lián)鈣鈦礦/有機太陽能電池

技術核心：基于MoE架構的文獻語義理解模型動態(tài)調整檢索范圍（期刊等級/時間/學科權重）

1.2實戰(zhàn)案例：材料學文獻篩選任務：檢索近3年"非鉛鈣鈦礦太陽能電池穩(wěn)定性"的高影響力文獻操作步驟：#連接到DeepSeekAPI（需申請key）

importdeepseek_literatureasdslclient=dsl.Client(api_key="your_key")#構建語義檢索指令

query={"主題":"非鉛鈣鈦礦穩(wěn)定性","約束條件":["排除鉛基材料","優(yōu)先選擇實驗類研究","影響因子>10的期刊","2019-2024年"]}#執(zhí)行檢索

results=client.search(query)#結果保存與篩選

results.filter(min_citations=50)results.export("篩選文獻.csv",columns=["標題","作者","DOI","核心貢獻"])

1.3高級篩選技巧代碼片段：#多維度排序

results.sort_by("citation_count",ascending=False)results.sort_by("publication_date",ascending=False)#自動去重（基于語義相似度）

results.remove_duplicates(similarity_threshold=0.85)跨學科案例：醫(yī)學：快速定位COVID-19病毒變異對疫苗有效性的研究社科：篩選"數(shù)字經濟與鄉(xiāng)村振興"的田野調查報告智能閱讀與筆記整理2.1文獻解析核心功能技術架構：文獻解析流水線：

PDF解析

→

關鍵信息抽?。僭O/方法/結論）

→

關聯(lián)已有知識庫

→

生成結構化筆記2.2實戰(zhàn)案例：生物醫(yī)學文獻精讀任務：解析《NatureMedicine》關于阿爾茨海默病生物標志物的論文操作步驟：

#上傳文獻并解析

doc=client.upload_pdf("alzheimer_biomarker.pdf")#生成結構化摘要

abstract=doc.summarize(focus="實驗方法+主要結論",template="醫(yī)學研究",output_format="markdown")#提取關鍵數(shù)據(jù)

tables=doc.extract_tables()figures=doc.analyze_figures()#生成交互式筆記

note=client.generate_note(content=[abstract,tables,figures],template="obsidian_template.md")note.save("文獻筆記.md")輸出示例2.3筆記自動化管理代碼片段：#自動鏈接到Zoterozotero=connect_zotero(library_id=12345)zotero.add_item(title=doc.title,notes=note.content,tags=doc.keywords)#生成復習提醒（間隔重復算法）

schedule_review(doc_id=doc.id,intervals=[3,7,30],priority=plexity*0.8)案例：《擴大還是縮小？糧食主產區(qū)設立對城鄉(xiāng)收入差距的影響》對上述文章進行文獻解析，執(zhí)行步驟如下：

關鍵信息抽取（假設/方法/結論）

→

關聯(lián)已有知識庫

→

生成結構化筆記

生成結構化摘要

，聚焦核心觀點+方法創(chuàng)新+關聯(lián)文獻（3）：構建學科知識圖譜3.1知識圖譜構建流程技術路線：三元組抽取

→

實體消歧

→

關系推理

→

動態(tài)可視化

3.2實戰(zhàn)案例：計算機視覺領域知識圖譜數(shù)據(jù)源：100篇頂會論文（CVPR/ICCV）操作步驟：Step1：批量抽取知識三元組#從文獻庫抽取關系

triplets=[]forpaperincorpus:entities=paper.extract_entities(type=["方法","數(shù)據(jù)集","評價指標"])relations=client.analyze_relations(entities)triplets.extend(relations)#保存為CSVpd.DataFrame(triplets).to_csv("cv_triplets.csv")Step2：知識圖譜可視化（Neo4j）cypher//創(chuàng)建實體節(jié)點

CREATE(:Method{name:"YOLOv8",year:2023})CREATE(:Dataset{name:"COCO",size:"330Kimages"})//創(chuàng)建關系

MATCH(y:Method{name:"YOLOv8"}),(c:Dataset{name:"COCO"})CREATE(y)-[r:EVALUATED_ON{metric:"mAP@0.5"}]->(c)//動態(tài)查詢（查找替代數(shù)據(jù)集）

MATCH(m:Method)-[r]->(d:Dataset)WHEREr.metric="mAP@0.5"ANDd.size>"200K"RETURN,可視化效果：中心節(jié)點：目標檢測分支1：方法演進（RCNN→FasterRCNN→YOLO系列）分支2：數(shù)據(jù)集生態(tài)（COCO→LVIS→Objects365）3.3圖譜驅動的研究發(fā)現(xiàn)案例：發(fā)現(xiàn)"小樣本目標檢測"領域空白cypher//查找關聯(lián)度低的節(jié)點

MATCH(n)WHEREsize((n)--())<3RETURNAS研究空白點

倫理與最佳實踐數(shù)據(jù)安全：python#自動脫敏處理

doc.redact(patterns=["患者ID","機構地址"])完整流程1.文獻管理的AI革新范式（理論認知）傳統(tǒng)流程：

人工檢索

→

本地歸檔

→

手動標注

→

線性閱讀

→

碎片化筆記

DeepSeek流程：

智能語義檢索

→

自動知識抽取

→

動態(tài)知識圖譜

→

關聯(lián)推理

→

假設生成2.四步構建領域知識圖譜（全流程代碼實戰(zhàn)）案例：鈣鈦礦太陽能電池穩(wěn)定性研究工具棧：DeepSeekAPI+Python+Neo4jStep1：智能語義檢索（附可運行代碼）importrequestsimportpandasaspd#DeepSeek學術檢索API（sk-238234a220dc4298b1a4a4414645ba41）

defdeepseek_search(query):url="/v1/academic/search"headers={"Authorization":"Beareryour_api_key"}params={"query":query,"fields":"title,abstract,year,doi,citations","filter":"year>2018ANDcitations>50","size":100}response=requests.get(url,headers=headers,params=params)returnpd.DataFrame(response.json()['results'])#執(zhí)行檢索（示例：鈣鈦礦穩(wěn)定性研究）

df=deepseek_search("perovskitesolarcellsstabilitydegradation")df.to_csv("literature.csv",index=False)Step2：知識三元組抽?。∟LP處理）fromdeepseek_nlpimportTripletExtractor#初始化模型（需申請APIkey）

extractor=TripletExtractor(api_key="your_key")#批量抽取三元組

triplets=[]forabstractindf['abstract']:results=extractor.extract(abstract)triplets.extend([(s,p,o)fors,p,oinresults])#生成三元組表格

triplet_df=pd.DataFrame(triplets,columns=["subject","predicate","object"])triplet_df.to_csv("triplets.csv",index=False)Step3：知識圖譜可視化（Neo4j實戰(zhàn)）//創(chuàng)建節(jié)點

CREATE(:Concept{name:"鈣鈦礦",type:"材料"})CREATE(:Concept{name:"濕度敏感性",type:"缺陷"})//創(chuàng)建關系

MATCH(a:Concept{name:"鈣鈦礦"}),(b:Concept{name:"濕度敏感性"})CREATE(a)-[:HAS_DEFECT]->(b)//批量導入代碼（使用APOC庫）

CALLapoc.load.csv('triplets.csv')YIELDmapMERGE(s:Concept{name:map.subject})MERGE(o:Concept{name:map.object})MERGE(s)-[r:RELATION{type:map.predicate}]->(o)可視化效果：中心節(jié)點：鈣鈦礦太陽能電池一級關聯(lián)：穩(wěn)定性因素/改進策略/測試方法二級關聯(lián)：材料組成-環(huán)境響應-性能衰減路徑Step4：圖譜驅動的研究洞察應用場景：缺口發(fā)現(xiàn)：定位孤立節(jié)點（如"自修復材料"研究稀少）趨勢預測：#時序關系分析（代碼片段）

trend_df=triplet_df.groupby(['predicate',df['year']]).size().unstack()trend_df.T.plot(figsize=(10,6))plt.title("鈣鈦礦穩(wěn)定性研究趨勢演化")假設生成：通過閉合路徑推理（如A→B→C→A形成研究閉環(huán)）3.避坑指南與倫理規(guī)范技術陷阱：三元組噪聲過濾：設置置信度閾值（extractor.extract(...,confidence=0.7)）圖譜冗余控制：合并同義詞（創(chuàng)建別名詞典自動映射）學術倫理：必須人工驗證AI發(fā)現(xiàn)的關系路徑引用原始文獻而非AI處理結果/從安裝到實戰(zhàn)！Citespace保姆級教程！citespace是一款文獻梳理軟件支持從主要來源（如WebofScience，Scopus，Dimensions，CNKI，CSSCI和其他一些來源）檢索的書目和引文數(shù)據(jù)。能夠把文件之間的關系，用科學知識圖譜的方式可視化地展現(xiàn)在我們面前。/hu397313168/article/details/131939610/p/651586224數(shù)據(jù)分析——從問卷到模型03Part1：問卷數(shù)據(jù)清洗1.1典型數(shù)據(jù)問題與解決方案2實戰(zhàn)案例：教育滿意度問卷清洗原始數(shù)據(jù)特征：1000份問卷，含28個問題包含數(shù)值型（1-5評分）和文本型（開放問題）操作流程：importpandasaspdimportnumpyasnp#加載數(shù)據(jù)

df=pd.read_csv("edu_survey_raw.csv")#缺失值處理

print("缺失值分布：")print(df.isnull().sum())df['teaching_quality']=df['teaching_quality'].fillna(df.groupby('school')['teaching_quality'].transform('median'))#異常值檢測

fromscipyimportstatsz_scores=np.abs(stats.zscore(df.select_dtypes(include=np.number)))df=df[(z_scores<3).all(axis=1)]#邏輯校驗

df=df[~((df['age']<18)&(df['degree']=='博士')]#保存清洗后數(shù)據(jù)

df.to_csv("cleaned_survey.csv",index=False)Part2：量化分析建模2.1分析框架選擇2.2案例：滿意度預測模型數(shù)據(jù)：清洗后的教育問卷數(shù)據(jù)變量：因變量：overall_satisfaction（1-5分）自變量：teaching_quality,facilities,teacher_student_ratio等建模代碼：

pythonfromsklearn.ensembleimportRandomForestRegressorfromsklearn.model_selectionimporttrain_test_split#準備數(shù)據(jù)

X=df[['teaching_quality','facilities','teacher_student_ratio']]y=df['overall_satisfaction']X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2)#訓練模型

model=RandomForestRegressor(n_estimators=100)model.fit(X_train,y_train)#評估

print("測試集R2:",model.score(X_test,y_test))#特征重要性可視化

importmatplotlib.pyplotaspltplt.barh(X.columns,model.feature_importances_)plt.title("FeatureImportance")輸出結果：R2=0.73關鍵因素：教學質量（58%）、設施水平（32%）Part3：質性文本分析3.1分析流程設計文本清洗

→

情感分析

→

主題建模

→

語義網絡

3.2案例：開放題意見挖掘數(shù)據(jù)：問卷中的"其他意見"文本字段（500條）分析代碼：分析結果：五大主題：課程設置（32%）、師資力量（28%）、硬件設施（22%）負面情感集中在"食堂服務"相關評論

importjiebafromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.decompositionimportLatentDirichletAllocation#文本清洗

defclean_text(text):text=re.sub(r"[^\u4e00-\u9fa5]","",text)#去除非漢字

return"".join(jieba.lcut(text))df['clean_text']=df['comments'].apply(clean_text)#情感分析（使用預訓練模型）

fromsnownlpimportSnowNLPdf['sentiment']=df['clean_text'].apply(lambdax:SnowNLP(x).sentiments)#主題建模

tfidf=TfidfVectorizer(max_features=1000)X_tfidf=tfidf.fit_transform(df['clean_text'])lda=LatentDirichletAllocation(n_components=5)df['topic']=lda.fit_transform(X_tfidf).argmax(axis=1)#可視化

importpyLDAvispyLDAvis.enable_notebook()vis=pyLDAvis.sklearn.prepare(lda,X_tfidf,tfidf)vis3.3語義網絡分析importnetworkxasnx#構建共現(xiàn)網絡

window_size=3cooc=defaultdict(int)fortextindf['clean_text']:words=text.split()foriinrange(len(words)):forjinrange(i+1,min(i+window_size,len(words))):cooc[(words[i],words[j]))]+=1#創(chuàng)建圖

G=nx.Graph()for(w1,w2),countincooc.items():ifcount>5:G.add_edge(w1,w2,weight=count)#可視化

nx.draw(G,with_labels=True,node_size=50,font_size=8)以下是為教學示例定制的模擬教育滿意度問卷數(shù)據(jù)集，包含數(shù)值型與文本型字段，可直接用于練習數(shù)據(jù)清洗、建模與文本分析：模擬數(shù)據(jù)生成代碼importpandasaspdimportnumpyasnpimportrandomfromfakerimportFaker#初始化中文虛假數(shù)據(jù)生成器fake=Faker("zh_CN")np.random.seed(42)#生成1000條模擬記錄data={#基礎信息"user_id":[fake.unique.ssn()for_inrange(1000)],"age":np.random.randint(15,65,1000),"gender":np.random.choice(["男","女"],1000),"school":np.random.choice(["A中學","B大學","C職校"],1000),

#數(shù)值型評分（1-5分）"teaching_quality":np.random.randint(1,6,1000),"facilities":np.random.randint(1,6,1000),"teacher_student_ratio":np.round(np.random.normal(3.5,1.2,1000),1),"overall_satisfaction":np.random.randint(1,6,1000),

#文本型開放回答"comments":[fake.text(max_nb_chars=50)for_inrange(1000)]}df=pd.DataFrame(data)#---人工注入數(shù)據(jù)問題---#1.缺失值df.loc[np.random.choice(1000,50),"teaching_quality"]=np.nandf.loc[np.random.choice(1000,30),"comments"]=""#2.異常值df.loc[10,"age"]=150#不可能年齡df.loc[20,"teacher_student_ratio"]=20.0#異常師生比#3.邏輯矛盾df.loc[30,["age","school"]]=[12,"B大學"]#12歲大學生df.loc[40,["gender","comments"]]=["男","作為女生，我認為..."]#4.添加真實評論模板（覆蓋不同情感）comment_templates=["教師授課認真但食堂飯菜質量差",#混合情感"實驗室設備陳舊需要更新",#負面"校園環(huán)境優(yōu)美師生關系融洽",#正面"課程設置不合理作業(yè)負擔太重",#負面"輔導員非常負責關心學生"#正面]foriinrange(100,150):df.loc[i,"comments"]=random.choice(comment_templates)#保存數(shù)據(jù)df.to_csv("edu_survey_raw.csv",index=False)操作案例?1.缺失值填充與標準化處理??數(shù)據(jù)集示例?：?字段?：用戶年齡、月消費額、地區(qū)（含缺失值和非標準格式）?數(shù)據(jù)樣本?：?清洗需求?：填充缺失年齡為均值，缺失消費額為中位數(shù)user_data.csv代碼importpandasaspd#假設這是你的DataFramedata={'Age':[25,None,30,40],'MonthlySpend':[1500,2300,None,1800]}df=pd.DataFrame(data)#修改填充缺失值的方式df['Age']=df['Age'].fillna(df['Age'].mean())df['MonthlySpend']=df['MonthlySpend'].fillna(df['MonthlySpend'].median())print(df)代碼importpandasaspdimportdeepseekdf=pd.read_csv('user_data.csv')#缺失值填充response=deepseek.clean_data(data=df,task="fill_missing",params={"method":{"Age":"mean","MonthlySpend":"median"}})#字段標準化response=deepseek.clean_data(data=df,task="normalize",params={"columns":{"Region":"upper"}})能夠使用clean_data數(shù)據(jù)庫的?Python+DeepSeek實現(xiàn)?：?2.重復數(shù)據(jù)與異常值清洗??數(shù)據(jù)集示例?：?字段?：訂單ID、商品價格、購買時間（含重復訂單和異常高價）?數(shù)據(jù)樣本?：?清洗需求?：刪除重復訂單過濾價格超過20,000的異常值orders.cvs?Python+DeepSeek實現(xiàn)?：#去重response=deepseek.clean_data(data=df,task="remove_duplicates",params={"subset":["OrderID"]})#過濾異常值response=deepseek.clean_data(data=df,task="filter",params={"condition":"Price<=10000"})針對deepseek.clean_data方法不可用的情況，需改用pandas和numpy實現(xiàn)重復數(shù)據(jù)與異常值清洗importpandasaspd#讀取CSV文件df=pd.read_csv('orders.csv')#查看數(shù)據(jù)前5行和基本信息print(df.head())print(())#刪除重復行（保留第一個出現(xiàn)的記錄）df_cleaned=df.drop_duplicates(subset=['OrderID'],keep='first')#檢查去重后數(shù)據(jù)量print(f"去重后剩余記錄數(shù):{len(df_cleaned)}")#過濾高價異常值df_final=df_cleaned[df_cleaned['Price']<=1000