【类别】TRA E AI 创造力大赛 - 报名专区
【标签】学习工作
【标题】学习工作赛道 | 科研数据清洗小助手 —— 面向研究生的实验数据一键清洗工具
【正文】
- 创意名称 + 创意介绍
想解决什么问题：研究生在实验数据处理中，手动清洗 CSV 数据（缺失值、异常值）费时费力且容易出错，但缺乏适合编程新手的标准化工具。
为什么会想到做这个：身边很多同学在分析实验数据时，用 Excel 逐行检查空值、靠肉眼识别异常数据，耗时且不可靠。我希望用 Python 的低门槛工具让非计算机专业的人也能高效完成数据清洗。
大概是什么产品：一个基于 Python Streamlit 的本地 Web 应用，通过浏览器界面完成 CSV 数据的上传、诊断、清洗和下载，无需编程基础。
- 目标用户及痛点
面向哪些用户：理工科和医学研究生，尤其是实验数据密集但编程基础薄弱的同学。
在什么场景下使用：实验数据采集完成后，需要将原始 CSV 数据导入分析软件（如 SPSS、R、Python）之前，进行缺失值和异常值的预处理。
当前痛点：如果没有这个工具，用户需要用 Excel 手动查找空值，逐个计算统计指标，靠肉眼识别异常数据，不仅效率低，还容易遗漏和出错。Pandas 功能强大但学习门槛高，对新手不友好。
- 价值与意义
效率提升：将原本需要数小时的数据清洗工作压缩到几分钟，自动化的缺失值检测和异常值识别（IQR 法）避免了人工遗漏。四种清洗策略（删除行、均值填充、删除异常值、替换为边界值）覆盖了研究生日常 90% 的清洗需求。
社会价值：帮助更多研究生专注于数据分析和研究本身，而非耗在重复性的数据清洗上。工具纯本地运行，数据不离开用户电脑，保障科研数据隐私。
- 创意产物
已使用 TRAE Work 完成「科研数据清洗小助手」项目，包含以下核心功能：
- 文件上传：支持 UTF-8 和 GBK 编码的 CSV 文件
- 数据概览：自动显示数据规模、行列数
- 健康报告：渐变色柱状图可视化缺失值分布，附明细表
- 统计摘要：一键生成所有数值列的完整统计（均值、标准差、四分位数等）
- 异常值检测：IQR 法自动检测，箱线图可视化，可调节 IQR 倍数
- 四种清洗策略：删除缺失值行、均值填充、删除异常值行、替换为边界值
- 一键下载：UTF-8 BOM 编码 CSV，Excel 打开不乱码
技术栈：Python 3 + Streamlit + Pandas + Matplotlib
创意产物 HTML 文件已上传，可在浏览器中直接打开查看。
research-data-cleaner.zip (632.9 KB)
app.html (30.1 KB)