7  数据处理实践

使用 Claude Code 进行数据处理或更复杂的任务时，推荐采用”先计划、后执行”的工作模式。这样可以避免 AI 在模糊指令下浪费大量时间探索数据结构，也能让你在执行前审阅和调整方案。

7.1 整体流程

数据处理的标准流程分为三个阶段：

Step 1：在 CLAUDE.md 中明确项目约定
    ↓
Step 2：打开 plan mode，说明任务需求
    ↓
Step 3：确认计划，开始执行

7.2 Step 1：在 CLAUDE.md 中明确项目约定

在开始数据处理之前，先在 CLAUDE.md 中写明你的工作习惯和希望 AI 工作的方式。这一步非常重要，它决定了 AI 后续所有操作的基本规范。

以下是一个适合数据处理项目的 CLAUDE.md 示例：

## Stata 数据处理规范

- 通过 Stata-mcp 调用 Stata，不要用命令行。
- 原始数据在 `data/raw/` 目录下，不要修改或覆盖
- 清洗过程中以及清洗后的数据存入 `data/processed/`
- 代码放在 `code/`
- 说明文档放在 `file/`
- Stata MCP 运行在 Windows 端，必须使用 Windows 路径格式（`C:/Users/...`），
  不能用 WSL 的 `/mnt/c/...` 格式，否则报 `r(601) file not found`
Tip持续完善 CLAUDE.md

可以在 AI 执行完任务后，问它刚刚有没有遇到问题或报错。然后让它总结经验，写进 CLAUDE.md 里面。随着使用，CLAUDE.md 会不断完善，AI 的工作效率和准确度也会逐步提升。

7.3 Step 2：打开 plan mode，说明任务需求

在 Claude Code 中使用 plan mode 输入任务需求。好的 prompt 应该包含：

  • 用什么工具（Stata、Python 等）
  • 有哪些步骤（清洗、合并、计算等）
  • 最后要输出什么（.do 文件、.dta 数据、.md 文档）
  • 自己对需求不确定的地方也可以写明，让 AI 帮你完善

7.3.1 示例 prompt

【data/】里面是实证金融研究用的 A 股上市公司数据，需要清洗合并后计算常用控制变量（Size、Age、Lev、Growth、ROA），对这些指标进行描述性统计。用 stata 完成。

注意事项：删除金融行业（行业代码J*）、计算出的指标要缩尾

- 我不确定具体要执行哪些数据清洗操作，需要你结合数据结构和数据处理的惯例判断

最后输出三个文件：处理数据的.do文档；处理后数据集.dta文件；数据处理工作小结.md文档（包含数据处理操作和最后的描述性统计结果）
Note关于不确定性的表达

一些常规的数据处理操作（例如缩尾），即使不写，AI 有时候也会自己判断出需要执行，但结果不稳定。建议在 prompt 中尽量明确你的需求，至少列出关键注意事项。

7.3.2 AI 的工作过程

收到 prompt 后，AI 通常会：

  1. 探索数据结构 — 读取数据的说明文件（如 CSMAR 的 .txt 文档），导入少量样本行确认
  2. 识别关键信息 — 变量名、数据类型、频率、标识符格式等
  3. 生成计划书 — 包含每一步的具体操作，具体到 Stata 命令级别

例如，AI 可能识别出需要统一的变量名：

  • Symbol → Stkcd（股票代码在不同数据集中的名称不同）
  • EndDate → Accper（报告期的变量名不同）
  • 金额以字符串存储（如 "19802000000.00"），需要转为数值

7.4 Step 3：确认计划并执行

修改计划书有两种方式： 1. 小幅修改，直接在对话的选项 “No” 后面输入要修改的的内容 2. 大幅修改，在对话的选项 “No” 后面让 AI 把计划书保存为 .md 文档，然后再修改这份文档。

确认计划书后，可以逐步执行或一次执行：

7.4.1 逐步执行

按照计划书，先生成第一部分（预处理）的 .do 文件并运行。

适合：对计划不太确定，想逐步检查。

7.4.2 一次执行

按照计划书全部执行，每步运行完检查 .log 确认无错误后再继续下一步。

适合：对计划比较有信心，想提高效率。

7.5 常见陷阱

Caution避免模糊指令

直接在 plan mode 输入模糊的指令（如”对数据做一些清洗”），AI 可能需要花很长时间探索数据结构。例如，一次模糊指令导致 AI 的 Explore 阶段运行了 21 分钟。而如果向 AI 说明，“不要扫描全部数据，迅速探索数据结构”，或者，“用 Stata 探索数据结构，不要用终端命令” 也能节省时间。

下一章将通过一个完整的实战案例，演示这个工作流的具体应用。