用途:在新建科学数据分析实验脚本时首先套用,保证可复现性、可读性与目录结构统一,并整合 13 个实验共通的脚手架模式。
主要能力:提供脚本头部模板(设 SEED=42、matplotlib 使用 Agg、自动创建 data/figures/results 目录、出版品质绘图样式);提供主流程 main() 的 8 步骨架(Step 0 假设与工作流定义保存、Step 1 数据读取/生成、Step 2 EDA、Step 3 前处理、Step 4 模型学习、Step 5 可视化、Step 6 假设判定、Step 7 摘要、Step 8 论文撰写与评审);提供 StepLogger 逐步进度日志与耗时统计;提供 generate_summary() 生成固定 schema 的 analysis_summary.json(experiment、timestamp、elapsed_seconds、environment、data、results 等键);提供 create_summary_panel() 用 gridspec 将表格、文本、指标条形图、绘图函数汇总为单张总括仪表板;提供 save_fig()/save_results() 公用函数与标准目录结构。
使用方式:需要 Python,依赖 numpy、pandas、matplotlib、seaborn;按模板替换实验标题与各 Step 的注释代码,通过 Results_DIR 输出 analysis_summary.json。各步骤可与 scientific-hypothesis-pipeline、scientific-data-preprocessing、scientific-eda-correlation、scientific-ml-regression、scientific-ml-classification、scientific-publication-figures、scientific-academic-writing、scientific-critical-review 等技能协作。
适用场景:可复现实验流水线搭建、结果 JSON 摘要导出、总括仪表板图生成。
限制:资料未提供具体安装命令、版本要求、许可证与收费信息,暂未提供相关说明。