假如你是一个运营或市场人员，每周要从后台导出一份 Excel，分析用户增长趋势、渠道转化率、留存率……手��分析每次花 2-3 小时。本教程教你用 ChatGPT 写 Python 代码，5 分钟出图出报告——不需要你会写代码。

ChatGPT + Python 数据分析工作流：Excel → Python 脚本 → 图表 + 报告
ChatGPT + Python 数据分析工作流：Excel → Python 脚本 → 图表 + 报告

前提：安装 Python

如果你的电脑还没有 Python，去 python.org 下载 3.10+ 版本。安装时勾选「Add Python to PATH」，然后打开命令提示符（Win+R 输入 cmd）输入 python --version 确认安装成功。

然后装两个基础数据分析库：

pip install pandas matplotlib openpyxl

三个库的作用：pandas 负责读取 Excel 和处理数据，matplotlib 负责画图，openpyxl 让 pandas 能读写 .xlsx 文件。装好后就准备好了。

场景演示：分析一份用户增长数据

假设你有一份 Excel 文件「user-data.xlsx」，包含三列：date（日期）、new_users（新增用户）、active_users（活跃用户），从 2026-01-01 到 2026-07-31 共 7 个月的数据。

直接把这个需求告诉 ChatGPT：

我有一份 Excel 文件 user-data.xlsx，包含三列：date、new_users、active_users，数据范围 2026-01-01 到 2026-07-31。

请帮我写一个 Python 脚本，实现：
1. 读取 Excel 文件
2. 计算每月的新增用户总量和日均新增用户
3. 用折线图画新增用户和活跃用户的趋势（双 Y 轴）
4. 计算月环比增长率
5. 生成一份简短的文字摘要（自动写在图片标题里也可以）

用中文注释，代码简洁可读。

ChatGPT 会生成类似这样的代码（下面是我让 AI 生成并验证过的直接可运行版本）：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_excel('user-data.xlsx')
df['date'] = pd.to_datetime(df['date'])
df['month'] = df['date'].dt.to_period('M')

# 按月聚合
monthly = df.groupby('month').agg(
    total_new=('new_users', 'sum'),
    avg_new=('new_users', 'mean'),
    avg_active=('active_users', 'mean')
).reset_index()
monthly['month'] = monthly['month'].astype(str)

# 计算环比增长率
monthly['growth_rate'] = monthly['total_new'].pct_change() * 100

# 画图
fig, ax1 = plt.subplots(figsize=(12, 6))
ax2 = ax1.twinx()
ax1.plot(monthly['month'], monthly['total_new'], 'b-o', label='月新增用户')
ax2.plot(monthly['month'], monthly['avg_active'], 'r-s', label='日均活跃用户')
ax1.set_xlabel('月份')
ax1.set_ylabel('新增用户数', color='blue')
ax2.set_ylabel('活跃用户数', color='red')
plt.title('2026年1-7月用户增长趋势\n'
          f'最高月新增: {int(monthly["total_new"].max())}人 | '
          f'最高月活跃: {int(monthly["avg_active"].max()):,}人')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('user-growth-trend.png', dpi=150)
plt.show()

# 打印摘要
print('=== 用户增长分析摘要 ===')
print(f'总新增用户: {monthly["total_new"].sum():,}')
print(f'月均新增: {monthly["total_new"].mean():.0f}')
print(f'最高月新增: {int(monthly["total_new"].max())} (出现月份: {monthly.loc[monthly["total_new"].idxmax(), "month"]})')
print(f'最近一月环比增长: {monthly["growth_rate"].iloc[-1]:.1f}%')

把这个代码保存为 analyze.py，放在和 Excel 同一目录下，然后运行 python analyze.py，会自动生成一张趋势图和分析摘要。

运行脚本自动生成的用户增长趋势图
运行脚本自动生成的用户增长趋势图

如果你不会用命令行

很多非技术背景的朋友卡在「怎么运行 Python」这一步。最简单的办法：

  1. 把上面的代码复制到一个文本文件，改名为 analyze.py
  2. 在文件所在目录的地址栏输入 cmd 回车，打开命令提示符
  3. 输入 python analyze.py 回车

如果报错 ModuleNotFoundError，说明库没装好，重新运行 pip install pandas matplotlib openpyxl 就行。

进阶：让 AI 直接生成你需要的任何分析

这个方法的精髓不是学 Python，而是学会向 ChatGPT 描述你的数据分析需求。几个常见场景可以直接套用：

  • 用户留存分析：告诉 AI 你有「注册日期 + 每日登录日期」两列数据，让它画留存率曲线
  • 销售数据看板：告诉 AI 你的 Excel 列名（如 product、quantity、revenue、region），让它生成月度销售对比图
  • A/B 测试分析：把对照组和实验组的数据分别给 AI，让它做 t-test 并解读结果
  • 文本情感分析：把用户评论导出为 CSV，让 AI 写一个脚本用简单规则或 transformers 做正负面分类

关键点是：你不需要懂 Python 语法，你只需要能说清楚「我有什么数据」「我想得到什么结果」。代码让 AI 写，跑通了就用，跑不通把报错贴给 ChatGPT 让它修。

这个方法在 2026 年已经非常成熟，每天有上百万用户用这种方式完成数据分析工作。你唯一需要的技能就是把需求说清楚——这对会用提示词的人来说不难。