AI数据分析助手：让数据说话

class DataAnalysisAI:
    """智能数据分析助手"""
    
    def analyze_dataset(self, df, business_context=""):
        """全面分析数据集"""
        # 1. 数据概览
        overview = self.data_overview(df)
        
        # 2. 使用LLM理解数据
        data_understanding = self.llm.generate(f"""
        数据集信息：
        - 形状：{df.shape}
        - 列：{list(df.columns)}
        - 数据类型：{df.dtypes.to_dict()}
        - 样本数据：{df.head().to_string()}
        
        业务背景：{business_context}
        
        请分析：
        1. 这个数据集可能用于什么业务场景？
        2. 哪些字段最重要？
        3. 可能存在什么数据质量问题？
        """)
        
        # 3. 统计分析
        stats = self.statistical_analysis(df)
        
        # 4. 发现洞察
        insights = self.discover_insights(df, stats)
        
        # 5. 生成报告
        report = self.generate_report(
            overview, stats, insights, data_understanding
        )
        
        return report
    
    def discover_insights(self, df, stats):
        """发现数据洞察"""
        insights = []
        
        # 趋势分析
        if self.has_time_column(df):
            trends = self.analyze_trends(df)
            insights.extend(trends)
        
        # 相关性分析
        correlations = self.find_correlations(df)
        insights.extend(correlations)
        
        # 异常检测
        anomalies = self.detect_anomalies(df)
        insights.extend(anomalies)
        
        # 使用LLM深度分析
        llm_insights = self.llm.generate(f"""
        基于以下统计信息，发现业务洞察：
        {json.dumps(stats, indent=2)}
        
        请提供：
        1. 3-5个关键发现
        2. 可能的业务含义
        3. 建议的后续分析方向
        """)
        
        insights.append(llm_insights)
        return insights
    
    def generate_sql_query(self, question, schema):
        """自然语言转SQL"""
        prompt = f"""
        数据库模式：
        {schema}
        
        用户问题：{question}
        
        请生成SQL查询语句。
        """
        
        sql = self.llm.generate(prompt)
        return sql
    
    def explain_analysis(self, results, for_audience="business"):
        """解释分析结果"""
        if for_audience == "business":
            prompt = f"""
            将以下技术分析结果用商业语言解释：
            {results}
            
            要求：
            1. 避免技术术语
            2. 突出业务价值
            3. 给出可行建议
            """
        else:
            prompt = f"""
            详细解释分析方法和结果：
            {results}
            
            包括：
            1. 使用的统计方法
            2. 结果的可信度
            3. 局限性说明
            """
        
        return self.llm.generate(prompt)