代码小白也能用:Marvis帮你写Python脚本处理数据

这是 Marvis 实战系列的第 9 篇文章。

前 8 天我们聊的都是「零代码」操作。今天破个例，讲点带代码的事。放心，你不需要会写代码，甚至不需要懂语法。我要分享的是：怎么让 Marvis 替你写 Python 脚本，处理那些 Excel 里反复折腾的数据。

我为什么开始用 Marvis 写脚本

上个月做季度质量报告，我从 8 个测试系统导出了 47 份 CSV 文件。每个文件格式还不一样：有的用逗号分隔，有的用分号；有的日期列叫"测试日期"，有的叫"Date"；有的把合格/不合格写成"OK/NG"，有的写成"1/0"。

以前这种活我的做法很原始：打开 Excel，复制粘贴，VLOOKUP 拉公式，手动改格式。47 份文件，我搞了整整 6 个小时。中间还弄错两回，重新来过。

那天我试了一下让 Marvis 写个 Python 脚本。它花了 3 分钟生成代码，我花了 2 分钟复制粘贴运行。47 份文件，30 秒处理完毕，格式统一，数据干净，直接生成汇总表。

省下的 6 小时不是重点。重点是以后再遇到类似的批量数据处理，我只需要改两个参数，跑一遍就行。

Marvis 写代码，和你想的完全不一样

你不需要懂 Python。甚至不需要知道 Python 是什么。

我的做法很简单：用大白话描述你要干什么，Marvis 负责翻译成代码。

比如我对 Marvis 说：

我有一个文件夹里有 40 多个 CSV 文件，每个文件都有"零件编号""测试值""测试结果"三列，但列名不完全一样。我想把所有文件合并成一个 Excel，并且在末尾加一列统计每个零件编号出现的次数。

Marvis 返回了一段完整的 Python 脚本，带中文注释，告诉我每一步在干什么。我复制到电脑上运行，搞定。

它还能干三件事：

写代码：你描述需求，它生成可运行的脚本。 解释代码：给了你一个脚本看不懂？粘贴进去，它逐行解释这段在干什么。 改代码：运行报错了？把报错信息贴给 Marvis，它告诉你哪里错了、怎么改。

这三板斧下来，代码小白也能完成 80% 的数据处理任务。

3 个我亲测有效的实战场景

下面这三个案例都是我在汽车零部件研发里真实遇到的。你可以直接复制我的描述去用。

场景一：批量合并测试数据

我的问题：每周从实验室下载 20-30 份测试报告，都是 Excel，格式相同但分散在不同文件。需要合并成一张总表，按零件编号排序，统计每批数据的平均值和标准差。

我给 Marvis 的描述：

写一个 Python 脚本，功能如下：1. 读取指定文件夹里所有 .xlsx 文件2. 每个文件都有表头，表头名称是"零件编号""测试值1""测试值2""测试日期"3. 把所有文件的数据纵向合并成一张大表4. 按"零件编号"分组，计算每组的"测试值1"和"测试值2"的平均值、标准差、最大值、最小值5. 把结果输出为一个新的 Excel 文件，文件名叫"汇总报告_YYYYMMDD.xlsx"6. 要求：如果某个文件缺少某列，跳过该文件并在控制台打印警告

Marvis 生成的脚本用了 pandas，大概 30 行。我运行了 3 次：第一次少装了一个库，Marvis 告诉我用 pip install openpyxl；第二次有个文件是空的，脚本报了警告但没中断；第三次完美跑完。整个合并加统计，20 秒。

以前手动做，至少 1 小时。

场景二：从混乱文本里提取结构化数据

我的问题：供应商发来的报告经常是 PDF 或者图片，里面嵌着表格。我需要把里面的尺寸公差数据提取出来，放到我们的质量管理系统里。

我给 Marvis 的描述：

我有一个 PDF 文件，里面有多页表格。表格内容包含"测量项""标称值""实测值""公差上限""公差下限""判定结果"。请写一个 Python 脚本：1. 读取 PDF，提取所有表格2. 把表格数据整理成结构化格式（CSV 或 Excel）3. 对于"判定结果"列，只保留"合格"或"不合格"两种值，其他文字统一标记为"需人工复核"4. 输出文件保存到桌面

Marvis 用了 pdfplumber 库来读表格。实际跑下来，提取准确率大概 85%。有个别扫描版 PDF 文字识别有问题，Marvis 在脚本里加了 try-except，出错的那几行单独标红，不影响整体。

85% 的自动化 + 15% 的人工复核，比 100% 手工输入快太多了。

场景三：自动生成可视化图表

我的问题：每月要给管理层汇报零部件测试合格率趋势。数据源是质量系统导出的 CSV，每次都要手动做透视表、画折线图、调格式。

我给 Marvis 的描述：

我有一个 CSV 文件，包含以下列：日期、零件类型、批次号、测试数量、合格数量。请写一个 Python 脚本：1. 读取 CSV，计算每个零件类型每月的合格率（合格数量/测试数量）2. 画一张折线图，X轴是月份，Y轴是合格率，每条线代表一个零件类型3. 在图上标注平均值线，低于 95% 的数据点标红4. 图片保存为 PNG，分辨率 300dpi5. 同时输出一个 Excel，包含原始数据和计算后的合格率

跑出来的图可以直接贴进 PPT。合格率低于 95% 的红点一清二楚，管理层一眼就能看到问题月份。以前这个图我要在 Excel 里调 20 分钟，现在 5 秒生成，而且下个月换一批数据，改个文件名重新跑就行。

效率对比

这些数字不是我编的宣传口径。是我在过去两个月里，用计时器一一测出来的。

新手容易踩的 4 个坑

坑 1：描述需求时太笼统

「帮我处理一下这些数据」——这种描述 Marvis 根本不知道你要什么。

正确做法：说清楚输入是什么、输出要什么、中间要做什么判断。最好给一个具体例子。比如「输入是 CSV，有三列叫 A/B/C，输出要计算 C 列的平均值并按 B 列分组」。

坑 2：第一次运行报错就放弃

脚本第一次跑通的成功率大概 60%。常见原因：缺依赖库、文件路径写死、编码问题。这类报错大多由环境差异引起，改起来通常只花一两分钟。

我的做法是：把报错信息原样复制给 Marvis，它 90% 的情况下能直接给修复方案。不用自己查 Stack Overflow。

坑 3：让脚本做太复杂的判断

Marvis 写的脚本适合处理规则明确、步骤固定的任务。如果中间需要大量人工经验判断（比如「这个异常数据要不要剔除，看工程师心情」），脚本就不合适了。这种环节应该让脚本输出"待复核清单"，人工最后把关。

坑 4：不保存脚本

很多人跑完一次就把脚本扔了。下次遇到类似任务，又重新描述一遍需求。

我的习惯是：每个脚本保存下来，文件名写清楚功能。下次类似需求，把旧脚本扔给 Marvis，说"在这个基础上改，现在需要加一列 X 的计算"。比从头描述快一倍。

今天就可以用的 Prompt 模板

复制下面这个框架，填上你自己的需求：

请帮我写一个 Python 脚本，用于处理以下任务：【输入数据】- 文件类型：（如 CSV / Excel / PDF / 图片）- 文件位置：（如"C:\\Users\\Name\\Desktop\\data"）- 数据结构描述：（列名、格式、示例数据）【处理要求】1. （具体步骤 1）2. （具体步骤 2）3. （具体步骤 3）【输出要求】- 输出格式：（Excel / CSV / 图表 / 文本）- 保存位置：（具体路径）- 其他要求：（如"低于某值标红""空值跳过并打印警告"）【注意事项】- （如"某些文件可能缺少某列""日期格式不统一"）

用这个模板描述需求，Marvis 生成的脚本准确率能提高一倍。核心原则就一条：你说得越具体，它写得越对。

写在最后

我不是程序员。12 年汽车零部件研发，我的武器一直是 Excel、PPT 和测试设备。两个月前我对 Python 的唯一认知是「听说做 AI 的人都在用」。

现在我的电脑上存着 17 个 Marvis 写的 Python 脚本，每周帮我省出 3-4 小时。这些脚本没有一个是我写的，但每一个都在按照我的思路干活。

这就是今天想分享的核心：Marvis 充当翻译，把你的自然语言转成机器能懂的代码，代码再替你干活。你站在中间，动动嘴皮子就行。

下一篇 Day 10，我会讲怎么用 Marvis 做内容创作，从选题到成稿，AI 全程辅助。

你在用 Marvis 过程中遇到什么问题？评论区聊聊，说不定下一篇就写你的问题。

Eric | 12 年汽车零部件研发从业者 × AI 实践者