Python：AI 写代码时代，为什么还要懂一点？

👇 连享会 · 推文导航 |www.lianxh.cn

距离开课还有5天，近期的不同专题一起报名可优惠

🍓 连享会 · 2026 AI 实证研究
嘉宾：司继春（上海对外经贸大学）
时间：2026 年 6 月 27-28 日
咨询：王老师 18903405450（微信）

连享会：2026暑期班 · 线上
时间：7月21-31日
嘉宾：连玉君（初级班） || 茅家铭（高级班） || 范馨月（论文班）
咨询：王老师 18903405450（微信）

作者： 刘悦 (兰州财经大学)
邮箱：joy_liuyue@163.com^[1]

• • Title: Python：AI 写代码时代，为什么还要懂一点？
• • Keywords: Python, AI 编程, Stata, R, Pandas, NumPy, Matplotlib, Jupyter Notebook, 数据科学, 实证研究, QuantEcon

🍎 系列推文：AI 写代码时代，为什么还要懂一点？^[2]

编者按： 现在学 Python，和几年前已经不一样了。过去我们学 Python，往往是为了从零开始写代码；现在有了 ChatGPT、Claude、Kimi、DeepSeek、Copilot 等工具，很多代码都可以由 AI 生成。问题是：AI 会写代码，并不意味着研究者可以完全不懂代码。相反，懂一点 Python 基础，反而更重要。因为我们需要把 AI 生成的代码跑起来、改得动、看得懂，也需要判断它写得是不是太慢、太长、太旧，甚至是错的。本文不是一份要求读者背诵的 Python 教程，而是一份面向 AI 协作场景的 Python 速查手册。写作过程中，主要参考了 Thomas J. Sargent 等学者推动建设的 QuantEcon 开源材料，并结合经管社科研究中的数据处理、绘图和代码审查场景重新整理。

参考资料：

• • Python cheatsheet^[3]
• • Statistics cheatsheet^[4]
• • Python Programming for Economics and Finance^[5]

1. AI 写代码之后，研究者还需要判断代码

很多经管社科研究者已经熟悉 Stata 或 R。也有不少读者完全没有编程基础，但现在可以让 AI 生成代码。于是一个自然的问题出现了：既然 AI 可以写 Python，我为什么还要学 Python？

简单的回答是：学 Python 基础，不是为了和 AI 比谁写代码更快，而是为了不把判断权完全交给 AI。

现在的学习方式已经发生变化。过去我们可能要从变量、循环、函数一步一步学起，写很多小练习，才能慢慢进入数据分析。现在，AI 可以很快生成一整段 Python 代码，帮我们读取数据、清洗变量、画图，甚至跑回归。很多时候，研究者真正要掌握的，不是从零手写每一行代码，而是下面四种能力：

• • 能把 AI 生成的代码安装好、跑起来；
• • 能修改路径、变量名、筛选条件和图形参数；
• • 能看懂常见报错，自己修掉小 bug；
• • 能判断 AI 代码是否低效、过时，或存在统计逻辑问题。

这就是本文存在的理由。

如果你一点 Python 基础都没有，那么遇到最普通的问题也要反复问 AI。例如，文件路径写错、变量名拼错、DataFrame 里没有某一列、括号没有配对、缩进不一致、字符串和数字混在一起运算。这些问题本身并不难，但如果每次都要把报错复制给 AI，再解释你的数据结构和分析目标，沟通成本会很高。

更麻烦的是，AI 生成代码时经常倾向于使用最基础的写法。它可能用几十行 for 循环完成一个 Pandas 一行即可解决的任务，也可能手写一个低效函数，而不是调用 NumPy、Pandas、statsmodels、scikit-learn 或其他成熟 package。代码能跑，不代表代码好；结果能出来，也不代表处理过程可靠。

还有一种情况更危险：AI 生成的代码本身就错了。它可能把合并键写错，把面板数据排序漏掉，把缺失值处理得过于粗糙，把字符串变量当成数值变量，或者把回归设定写成了另一个模型。此时，如果研究者完全不懂 Python，就很难审查代码，只能被动相信 AI。

因此，AI 时代学 Python，目标不必设得过高。你不一定要成为职业程序员，也不必从一开始就掌握复杂的软件工程知识。对于多数经管社科研究者而言，比较现实的目标是：

能运行代码，能读懂基本结构，能改小错误，能发现明显不合理的写法，并知道什么时候该让 AI 改用更合适的函数或 package。

这篇速查手册就是为这个目标服务的。

2. 先跑起来：环境配置和 Notebook

学习 Python 的第一步不是理解所有语法，而是确认你能运行代码。能运行，后面才谈得上修改、调试和审查。

对初学者而言，比较省事的方式是安装 Anaconda。安装完成后，可以先从 Jupyter Notebook 或 JupyterLab 开始。后续熟悉以后，再根据需要切换到 VS Code、Miniconda、uv 或其他环境管理工具。

打开 Jupyter Notebook 后，先运行下面这段代码：

# 导入 NumPy 和 Matplotlib
# NumPy 用来生成随机数，Matplotlib 用来画图

import numpy as np
import matplotlib.pyplot as plt

# 创建随机数生成器
rng = np.random.default_rng()

# 生成 100 个标准正态随机数
data = rng.standard_normal(100)

# 画出随机数序列
plt.plot(data)

# 显示图形
plt.show()

如果你看到一条上下波动的曲线，说明三件事已经完成：

• • Python 能运行；
• • 常用包能导入；
• • 图形能正常显示。

这比一开始背语法更重要。因为后续无论是让 AI 生成代码，还是从 GitHub 仓库复制代码，你都要先能把它跑起来。

需要说明的是，很多 Python 报错并不是模型错了，而是环境、路径或 package 没有配置好。比如：

• • 没有安装某个包；
• • 当前 Notebook 使用的不是你以为的 Python 环境；
• • 数据文件不在当前工作目录；
• • Windows 路径里的反斜杠没有正确处理；
• • 文件名中有中文、空格或特殊符号。

这些问题都很常见。解决它们的第一步，是能运行一个最小示例。上面这段代码就可以作为你的环境检测代码。

3. 读懂 AI 代码：Python 基础语法

很多 Python 教程会从完整语法体系讲起。但在 AI 协作场景中，我们更关心另一件事：哪些语法最常出现在 AI 生成的代码里？哪些语法最影响我们修改代码？

从这个角度看，下面几类内容最值得优先掌握。

3.1 变量：改参数、路径和列名的基础

Python 用 = 赋值。例如：

# 设置样本年份
start_year = 2000
end_year = 2020

# 设置文件路径
data_path = "data/raw/firm_panel.csv"

# 设置变量名
outcome_var = "roa"
treat_var = "treated"

这些变量看起来简单，但在实证研究中非常重要。好的代码通常会把路径、年份、变量名、参数集中放在前面。这样修改代码时，不需要在几百行脚本里到处搜索。

不建议把参数写死在代码中。例如：

# 不建议的写法：参数散落在代码里

df = df[(df["year"] >= 2000) & (df["year"] <= 2020)]
df["y"] = df["roa"]

较好的写法是：

# 较好的写法：把参数集中放在前面

start_year = 2000
end_year = 2020
outcome_var = "roa"

df = df[(df["year"] >= start_year) & (df["year"] <= end_year)]
df["y"] = df[outcome_var]

这样做的好处是，后续改样本区间或替换因变量时，只需要改前面的参数。让 AI 修改代码时，也更容易说清楚：“请把样本区间改为 2005-2018，把因变量改为 tobin_q。”

3.2 数据类型：很多 bug 来自类型不一致

Python 常见的基础类型包括：

可以用 type() 查看变量类型：

year = 2020
firm = "A001"

print(type


    
(year))
print(type(firm))

很多小 bug 都是类型问题。例如，下面的代码会报错：

x = "5"
y = 1

print(x + y)

原因是 "5" 是字符串，1 是整数，不能直接相加。需要先转换：

x = "5"
y = 1

x = int(x)
print(x + y)

在处理数据时，类型问题更常见。例如，年份变量看起来是数字，但读入后可能是字符串；企业代码看起来是数字，但其实应该保留为字符串，否则前导零会丢失。

因此，读入数据后要经常检查：

# 查看每一列的数据类型
print(df.dtypes)

# 查看数据概况
print(df.info())

如果 AI 写的代码跑不通，第一件事不要急着改模型，而要先看变量类型。

3.3 列表、字典和集合：理解代码结构的基本容器

Python 中最常见的内置数据结构有四类：

列表最常用。例如，我们可以把控制变量放在一个列表中：

controls = ["size", "lev", "age", "growth"]

print(controls[0])
print(controls[-1])

后续写回归公式时，就可以复用这个列表：

control_str = " + ".join(controls)
formula = f"roa ~ treated + {control_str}"

print(formula)

字典也很常用，尤其适合存变量标签：

var_labels = {
    "roa": "资产收益率",
    "size": "企业规模",
    "lev": "资产负债率"
}

print(var_labels["roa"])

如果 AI 生成的代码里出现 {}，你需要判断它是字典还是集合。字典有键值对，集合只有元素：

# 字典：键值对
label_map = {"roa": "资产收益率", "lev": "资产负债率"}

# 集合：只有元素
firm_set = {"A001", "A002", "A003"}

这些结构并不复杂，但它们是读懂 AI 代码的基础。AI 很喜欢用列表保存变量名，用字典保存参数，用集合做去重和匹配。完全不懂这些结构，就很难判断代码在做什么。

3.4 条件筛选：样本选择的代码表达

实证研究中经常需要筛选样本。Python 基础语法中的条件判断，与 Pandas 中的样本筛选密切相关。

普通条件判断如下：

x = -5

if x < 0:
    print("负数")
elif x == 0:
    print


    
("零")
else:
    print("正数")

在 Pandas 中，条件筛选更常见。例如：

# 保留 2000-2020 年样本
df = df[(df["year"] >= 2000) & (df["year"] <= 2020)]

# 保留非缺失样本
df = df[df["roa"].notna()]

# 保留制造业企业
df = df[df["industry"] == "制造业"]

这里有一个新手经常出错的地方：Pandas 中多个条件连接时，要用 & 和 |，而不是 Python 的 and 和 or。每个条件还要加括号。

# 正确写法
df = df[(df["year"] >= 2000) & (df["year"] <= 2020)]

# 不建议写法：在 Pandas 条件筛选中容易报错
df = df[df["year"] >= 2000 and df["year"] <= 2020]

如果你会 Stata，可以这样对应理解：

这类语法值得熟悉。因为 AI 最容易在样本筛选处写错逻辑，而样本筛选一旦错了，后面的回归结果再漂亮也没有意义。

3.5 函数：减少复制粘贴，也方便 AI 修改

函数是把一段可重复使用的逻辑封装起来。定义函数用 def，返回结果用 return。

def winsorize_series(s, lower=0.01, upper=0.99):
    """
    对一个 Series 做缩尾处理。
    
    参数：
    s: 需要处理的变量
    lower: 下分位点
    upper: 上分位点
    """
    q_low = s.quantile(lower)
    q_high = s.quantile(upper)
    return s.clip(q_low, q_high)

使用时：

    
df["roa_w"] = winsorize_series(df["roa"])

为什么函数重要？因为 AI 很容易重复生成大量相似代码。例如，对 10 个变量分别缩尾，它可能写成：

df["roa_w"] = df["roa"].clip(df["roa"].quantile(0.01), df["roa"].quantile(0.99))
df["lev_w"] = df["lev"].clip(df["lev"].quantile(0.01), df["lev"].quantile(0.99))
df["size_w"] = df["size"].clip(df["size"].quantile(0.01), df["size"].quantile(0.99))

这段代码能跑，但不容易维护。更好的做法是：

vars_to_winsor = ["roa", "lev", "size"]

for var in vars_to_winsor:
    df[f"{var}_w"] = winsorize_series(df[var])

一旦你理解函数和循环，就可以要求 AI 把重复代码改短：

请把下面重复的缩尾代码封装成一个函数，并用变量列表循环执行。

这种沟通方式比“帮我优化代码”更具体，AI 的输出也更可靠。

4. 不让 AI 写笨代码：NumPy、Pandas 与 Matplotlib

上一节的目标是读懂 AI 代码，本节的目标是判断 AI 代码是否写得过长、过慢或不适合实证研究。经管社科研究中最常用的 Python 数据科学栈，主要是 NumPy、Pandas 和 Matplotlib。其中，NumPy 负责数组和矩阵运算，Pandas 负责表格数据处理，Matplotlib 负责图形输出。

4.1 NumPy：别让 AI 用长循环做数组运算

NumPy 是 Python 科学计算的基础。它的核心对象是 ndarray，可以理解为定长、同质的数组。对经管社科研究者而言，NumPy 最常见的用途包括：

• • 生成随机数；
• • 做矩阵运算；
• • 做蒙特卡洛模拟；
• • 做向量化计算；
• • 为机器学习和数值优化提供底层数据结构。

AI 生成代码时，如果大量使用手写循环处理数值数组，就要警惕是否可以改成 NumPy 向量化。

A. 创建数组

创建数组的基本写法如下：

import numpy as np

# 从列表创建数组
x = np.array([1, 2, 3, 4])

# 创建全零数组和全一数组
a = np.zeros(5)
b = np.ones((2, 3))




    
# 创建等间距网格
grid = np.linspace(0, 1, 11)

# 创建单位矩阵
I = np.eye(3)

print(x)
print(grid)
print(I)

常用创建函数如下：

B. 向量化：少写循环，代码更快

比较下面两种写法。第一种是循环写法：

import numpy as np

n = 1_000_000
x = np.random.randn(n)



    
y = np.random.randn(n)

z = np.empty(n)

for i in range(n):
    z[i] = x[i] + y[i]

第二种是向量化写法：

z = x + y

两者都能得到结果，但第二种更短、更快，也更不容易写错。NumPy 的核心优势就在这里：尽量让底层高效代码完成逐元素运算，而不是让 Python 解释器一行一行执行循环。

常见向量化运算包括：

x = np.array([1, 2, 3, 4])
y = np.array([5, 6, 7, 8])

print(x + y)      # 逐元素加法
print(x * y)      # 逐元素乘法
print(x @ y)      # 点积
print(np.log(x))  # 逐元素取对数
print(np.sqrt(x)) # 逐元素开方

需要说明的是，* 是逐元素乘法，不是矩阵乘法。矩阵乘法使用 @ 或 np.dot()。

A = np.array([[1, 2],
              [3


    
, 4]])

B = np.array([[2, 0],
              [1, 3]])

print(A * B)  # 逐元素相乘
print(A @ B)  # 矩阵乘法

C. 随机数与模拟

很多实证方法教学都会用到模拟。NumPy 可以很方便地生成随机数：

rng = np.random.default_rng()

normal = rng.standard_normal(1000)
uniform = rng.uniform(0, 1, size=1000)
binom = rng.binomial(n=1, p=0.5, size=1000)

print(normal.mean())
print(uniform.mean())
print(binom.mean())

用蒙特卡洛方法估算圆周率：

import numpy as np

n = 1_000_000
rng = np.random.default_rng()

# 在单位正方形中随机生成点
u = rng.uniform(size=n)
v = rng.uniform(size=n)

# 判断点是否落入四分之一单位圆
inside = (u**2 + v**2) <= 1

# 面积比例乘以 4，得到 pi 的估计
pi_hat = 4 * inside.mean()

print(pi_hat)

这个例子说明，Python 中很多模拟任务都可以写得很短。让 AI 写模拟代码时，可以提醒它：

请尽量使用 NumPy 向量化，不要写逐点循环。

这句话通常能明显改善代码质量。

D. 线性代数：优先用成熟函数

NumPy 也提供线性代数工具：

A = np.array([[1, 2],
              [3, 4]])

b = np.array([5, 6])

# 解线性方程组 Ax = b
x = np.linalg.solve(A, b)

print(x)
print(A @ x)

很多初学者会写：

x = np.linalg.inv(A) @ b

但在数值计算中，直接使用 np.linalg.solve(A, b) 通常更稳，也更清楚。这个例子也说明一个原则：知道成熟函数的存在，比自己手写算法更重要。

如果 AI 手写了矩阵求逆、特征值分解、最小二乘求解过程，通常应该要求它改用成熟函数，除非你的目的就是教学演示。

4.2 Pandas：经管社科研究者最需要掌握的一层

如果只能在 Python 数据科学栈中优先学一个库，经管社科研究者应优先学 Pandas。原因很简单：我们的多数数据都是表格数据。企业-年份面板、城市-年份面板、个体调查数据、基金持仓数据、上市公司财务数据，本质上都是二维表。

Pandas 的核心对象是 DataFrame。可以把它理解为内存中的一张数据表，接近 Stata 当前打开的数据集。

import pandas as pd

df = pd.read_csv("data/firm_panel.csv")

print(df.head())
print(df.info())



    
print(df.describe())

A. 从 Stata 到 Pandas

熟悉 Stata 的读者，可以先建立如下对应关系：

有了这个对照表，Pandas 就不再是一套陌生语法，而是另一种表格数据处理语言。

B. 读入、浏览和保存数据

常见数据读入方式如下：

    
# 读取 CSV 文件
df = pd.read_csv("data/raw/firm_panel.csv")

# 读取 Excel 文件
df_excel = pd.read_excel("data/raw/firm_panel.xlsx")

# 读取 Stata 数据
df_stata = pd.read_stata("data/raw/firm_panel.dta")

保存数据：

# 保存为 CSV
df.to_csv("data/processed/firm_panel_clean.csv", index=False)

# 保存为 Stata 数据
df.to_stata("data/processed/firm_panel_clean.dta", write_index=False)

读入数据后，建议先做三件事：

# 看前几行
print(df.head())

# 看变量类型和缺失情况
print(df.info())

# 看数值变量的描述统计
print(df.describe())

这三行代码非常重要。很多 AI 代码出错，并不是因为模型复杂，而是因为它没有正确理解数据结构。把 df.head()、df.info() 和 df.describe() 的结果发给 AI，通常能显著提高后续代码质量。

C. 选列、筛行和生成变量

选取一列：

roa = df["roa"]

选取多列：

sub = df[["firm_id", "year", "roa", "size", "lev"]]

条件筛选：

# 保留 2000 年及以后的样本
df = df[df["year"] >= 2000]

# 保留 roa 非缺失样本
df = df[df["roa"].notna()]

# 保留制造业企业
df = df[df["industry"] == "制造业"]

多条件筛选：

df = df[
    (df["year"] >= 2000) &
    (df["year"] <= 2020) &
    (df["roa"].notna())
]

生成新变量：

# 资产负债率
df["lev"] = df["total_liability"] / df["total_asset"]

# 企业规模
df["size"] = np.log(df["total_asset"])

# 是否为政策后
df[


    
"post"] = (df["year"] >= 2015).astype(int)

这里的 .astype(int) 会把 True 和 False 转为 1 和 0。这在构造处理变量、政策后变量时很常用。

D. 分组统计：groupby() 是核心工具

Stata 用户常用 bysort。在 Pandas 中，类似功能主要由 groupby() 完成。例如，按年份计算平均资产收益率：

year_mean = df.groupby("year")["roa"].mean()

print(year_mean)

按行业和年份计算均值、标准差和样本量：

summary = (
    df.groupby(["industry", "year"])["roa"]
      .agg(["mean", "std", "count"])
      .reset_index()
)

print(summary.head())

这里的链式写法值得熟悉。它的含义是：

• • 先按  industry 和 year 分组；
• • 再对 roa 做统计；
• • 计算均值、标准差和样本量；
• • 最后把分组索引恢复为普通列。

如果 AI 用很多循环逐个行业、逐个年份计算统计量，可以要求它改用 groupby()。

E. 数据合并：实证研究中最容易出错的地方

很多实证研究的问题，最后都会落到数据合并上。政策数据、企业数据、城市数据、行业数据、文本变量、专利数据、财务数据，往往来自不同来源。合并键写错，后面所有结果都会出问题。

Pandas 中横向合并使用 pd.merge()：

df_main = pd.read_csv("data/firm_panel.csv")
df_policy = pd.read_csv("data/policy_city_year.csv")

df = pd.merge(
    df_main,
    df_policy,
    on=["city", "year"],
    how="left"
)

这里：

• • on=["city", "year"] 表示按城市和年份合并；
• • how="left" 表示保留主表中的所有观测；
• • 如果合并键类型不一致，例如一个是字符串、一个是整数，会导致匹配失败。

合并后要检查：

# 查看合并后数据规模
print(df.shape)

# 检查政策变量缺失情况
print(df[


    
"policy"].isna().mean())

# 检查合并键是否重复
print(df.duplicated(["firm_id", "year"]).sum())

Stata 用户习惯看 _merge。Pandas 中也可以用 indicator=True 生成合并状态：

df = pd.merge(
    df_main,
    df_policy,
    on=["city", "year"],
    how="left",
    indicator=True
)

print(df["_merge"].value_counts())

如果你让 AI 写合并代码，建议明确告诉它：

合并后请检查样本量、合并状态、合并键重复值，以及核心变量缺失比例。

这比只说“帮我合并数据”可靠得多。

F. 宽表和长表：面板数据常见重塑

宽表中，一个年份或一个变量可能占一列；长表中，每一行通常对应一个观测单位和一个时间。面板数据分析通常需要长表。

Pandas 中可以用 melt() 将宽表转成长表：

wide = pd.DataFrame({
    "firm_id": ["A", "B"],
    "roa_2020": [0.10, 0.08],
    "roa_2021": [0.12, 0.09]
})




    
long = wide.melt(
    id_vars="firm_id",
    var_name="year",
    value_name="roa"
)

print(long)

得到的 year 列中会是 roa_2020、roa_2021。可以继续清理：

long["year"] = long["year"].str.replace("roa_", "").astype(int)

如果是从长表转宽表，可以使用 pivot()：

wide_again = long.pivot(
    index="firm_id",
    columns="year",
    values="roa"
)

print(wide_again)

数据重塑是 AI 容易写错的地方。因为它需要理解变量名中的年份、指标和观测单位。如果你提供的数据列名不清楚，AI 经常会猜错。因此，重塑前最好先给 AI 看：

print(df.columns.tolist())
print(df.head())

4.3 Matplotlib：科研绘图要清晰传达信息

Matplotlib 是 Python 中最基础、最常用的绘图库。Pandas 也可以直接绘图，但如果图形要放进论文、讲义或推文，建议使用 Matplotlib 的面向对象写法：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 5))

ax.plot(df_year["year"], df_year["roa"], linewidth=2)

ax.set_xlabel("Year")
ax.set_ylabel("Mean ROA")
ax.set_title("Average ROA over Time")

fig.savefig("figures/mean_roa_by_year.png", dpi=300, bbox_inches="tight")

plt.show()

这段代码体现了一个稳定模板：

• • fig, ax = plt.subplots() 创建画布和坐标轴；
• • ax.plot() 画线；
• • ax.set_xlabel() 和 ax.set_ylabel() 设置坐标轴标题；
• • ax.set_title() 设置图标题；
• • fig.savefig() 保存图形。

如果要画散点图：

fig, ax = plt.subplots(figsize=(8, 5))

ax.scatter(df["size"], df["roa"], alpha=


    
0.5)

ax.set_xlabel("Firm size")
ax.set_ylabel("ROA")
ax.set_title("Firm size and profitability")

fig.savefig("figures/size_roa_scatter.png", dpi=300, bbox_inches="tight")

plt.show()

如果要画分组趋势图：

fig, ax = plt.subplots(figsize=(8, 5))

for treated, group in df.groupby("treated"):
    trend = group.groupby("year")["roa"].mean()
    ax.plot(trend.index, trend.values, label=f"treated = {treated}")

ax.set_xlabel("Year")
ax.set_ylabel("Mean ROA")
ax.set_title("Trends by treatment status")
ax.legend(frameon=False)

fig.savefig("figures/trends_by_treatment.png", dpi=300, bbox_inches="tight")

plt.show()

科研绘图的目标不是炫技，而是表达清楚。对多数实证研究而言，一张图至少要做到：

• • 横轴、纵轴含义清楚；
• • 分组图例清楚；
• • 图形能保存为高分辨率文件；
• • 代码可重复运行；
• • 数据筛选和统计口径可追踪。

如果 AI 给你生成一张图，但没有保存代码、没有说明样本、没有说明变量定义，这张图就不适合直接用于论文或推文。

5. 报错排查：先读最后一行，再问 AI

很多人一看到 Python 报错就紧张。其实报错信息通常已经告诉你问题在哪里，只是它看起来很长。

Python 报错一般叫 Traceback。读报错时，不要从第一行开始读，而要从最后一行往前看。最后一行通常包含错误类型和具体描述。

5.1 常见错误类型

常见错误如下：

5.2 KeyError: DataFrame 中没有这列

例如：

df["ROA"]

报错：

KeyError: 'ROA'

这通常说明 df 中没有名为 ROA 的列。可能真实列名是 roa、Roa、return_on_assets，也可能有隐藏空格。

检查列名：

print(df.columns.tolist())

如果列名有空格，可以先清理：

    
df.columns = df.columns.str.strip()

5.3 FileNotFoundError: 文件路径错误

例如：

df = pd.read_csv("firm_panel.csv")

报错：

FileNotFoundError: [Errno 2] No such file or directory: 'firm_panel.csv'

这说明 Python 在当前工作目录中没有找到这个文件。可以检查当前工作目录：

import os

print(os.getcwd())
print(os.listdir())

如果文件在 data/raw/ 文件夹中，要写完整相对路径：

df = pd.read_csv("data/raw/firm_panel.csv")

Windows 用户还要注意反斜杠问题。建议使用正斜杠：

df = pd.read_csv("D:/project/data/raw/firm_panel.csv")

或者使用原始字符串：

df = pd.read_csv(r"D:\project\data\raw\firm_panel.csv")

5.4  TypeError: 类型不匹配

例如：

df["year"] + 1

如果 year 是字符串，可能出现类型错误。检查类型：

print(df["year"].dtype)

转换为整数：

df["year"] = df["year"].astype(int)

但转换前要确认没有异常值。例如：

print(df["year"].unique()[:20])

如果里面有 "unknown"、"缺失" 或空字符串，直接转整数会失败。需要先清理。

5.5 问 AI 之前，先准备四类信息

遇到报错时，直接问“为什么报错”通常效果不好。更好的做法是把问题描述完整：

• • 报错信息最后 10-20 行；
• • 出错代码块；
• • df.head() 或相关数据结构；
• • 你本来希望代码完成什么任务。

可以这样问 AI：

下面这段 Pandas 代码想按 city-year 合并两张表，但出现 KeyError。
请帮我判断是合并键名称、变量类型，还是数据结构的问题。
请给出最小修改方案，不要重写整段代码。

[粘贴代码]

[粘贴报错最后 10-20 行]

[粘贴 df_main.head() 和 df_policy.head()]

这种提问方式比“帮我 debug”更有效。因为它给了 AI 必要上下文，也限制了 AI 不要随意重写整段代码。

6. 审查 AI 代码：能运行不等于可信

使用 AI 写代码时，很多人容易陷入一种误区：只要代码能跑，就认为问题解决了。事实上，实证研究中的代码至少要过三关：

• • 能否运行；
• • 逻辑是否正确；
• • 写法是否适合后续复现和修改。

下面列出几个常见场景。

6.1 AI 写了很长的循环

如果 AI 写了很多逐行循环，先判断是否可以用 Pandas 或 NumPy 改写。

例如，AI 可能生成：

df["post"] = 0

for i in range(len(df)):
    if df.loc[i, "year"] >= 2015:
        df.loc[i, "post"] = 1

这段代码可以改成：

df["post"] = (df["year"] >= 2015).astype(int)

如果处理的是百万级数据，第二种写法通常更快，也更不容易出错。

你可以直接要求 AI：

请把这段逐行循环改为 Pandas 向量化写法，并解释改写后的每一行。

6.2 AI 手写了成熟 package 已经提供的功能

如果要跑 OLS，AI 有时会手写矩阵公式：

beta_hat = np.linalg.inv(X.T @ X) @ X.T @ y

这对教学有用，但在实际研究中不一定合适。更稳妥的做法是使用 statsmodels：

import statsmodels.formula.api as smf

model = smf.ols(
    formula="roa ~ treated + size + lev + C(year) + C(industry)",
    data=df
).fit(cov_type="HC1")

print(model.summary())

如果要做机器学习分类或回归，也不建议让 AI 从零手写算法。可以优先考虑 scikit-learn。如果要做数值优化，可以先看 SciPy。如果要处理较大数据，可以了解 polars、数据库或分块读取，而不是盲目让 AI 生成长循环。

6.3 AI 忽略了排序和分组

面板数据和时间序列数据中，排序很重要。比如计算滞后变量时，如果没有按企业和年份排序，结果可能完全错误。

错误风险较高的写法：

df["roa_lag"] = df["roa"].shift(1)

这行代码只是把整张表向下移动一行，并没有保证同一企业内部滞后。更合适的写法是：

df = df.sort_values(["firm_id", "year"])

df["roa_lag"] = df.groupby("firm_id")["roa"].shift(1)

如果 AI 给你的面板数据代码中出现 shift()，要检查它是否配合了 groupby() 和排序。

6.4 AI 没有检查合并质量

数据合并后，如果不检查合并质量，风险很高。比如政策数据按城市-年份合并到企业数据，必须检查：

# 合并状态
print(df["_merge"].value_counts())

# 核心变量缺失比例
print(df["policy"].isna().mean())

# 合并后主键是否重复
print(df.duplicated(["firm_id", "year"]).sum())

如果 AI 只写了 pd.merge()，但没有任何合并质量检查，建议让它补上。

可以这样问：

请在现有 merge 代码后补充合并质量检查，包括：
1. 合并状态统计；
2. 核心政策变量缺失比例；
3. firm-year 是否重复；
4. 合并前后样本量变化。

这种要求比“帮我检查一下”更明确。

7. Python 速查卡片：常用语法和函数

下面把常用语法和函数集中放在一起。读者不需要一次性记住，遇到问题时回来查即可。

7.1 Python 基础

7.2 NumPy

7.3 Pandas

7.4 Matplotlib

8. 后续学习：按任务扩展，而不是一次性学完

掌握基础语法、NumPy、Pandas 和 Matplotlib 后，就可以根据研究任务继续扩展。这里不建议把所有 package 都提前学完。更好的方式是遇到任务时知道应该去找哪类工具。

A. 计量建模：statsmodels

如果要做线性回归、Logit、Probit、时间序列模型，可以先了解 statsmodels。它的公式接口接近 R，适合经管社科研究者。

import statsmodels.formula.api as smf

model = smf.ols(
    "roa ~ treated + size + lev + C(year)"


    
,
    data=df
).fit(cov_type="HC1")

print(model.summary())

需要说明的是，复杂面板固定效应、高维固定效应、聚类标准误等问题，在 Python 中也有对应工具，但不同 package 的语法和功能边界并不完全相同。实证研究中不要只看代码能否运行，还要确认模型设定和标准误处理是否符合论文需要。

B. 机器学习：scikit-learn

如果要做预测、分类、聚类、交叉验证，可以考虑 scikit-learn。它的接口相对统一，适合构建标准机器学习流程。

from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor

X = df[["size", "lev", "age", "growth"]]
y = df["roa"]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

model = RandomForestRegressor(random_state=42)
model.fit(X_train, y_train)

print(model.score(X_test, y_test))

如果 AI 手写机器学习算法，要先问：这个任务是否已有成熟 package？自己写算法通常不是实证研究中最有效的路径。

C. 数值计算：SciPy

如果要做最优化、积分、方程求根、统计分布计算，可以看 SciPy。例如：

from scipy.optimize import minimize

def objective(x


    
):
    return (x - 2)**2

res = minimize(objective, x0=0)

print(res.x)

如果 AI 写了复杂的搜索循环，可能可以改用 scipy.optimize。

D. 符号计算：SymPy

如果需要公式推导、求导、积分、化简表达式，可以了解 SymPy。它更接近数学推导，而不是表格数据处理。

E. 文本和网页数据：requests、BeautifulSoup 与其他工具

如果要抓取网页数据，可以从 requests 和 BeautifulSoup 开始。需要说明的是，爬虫涉及网站规则、访问频率、版权和数据使用限制。研究中不要只关心能不能抓到数据，也要关心是否合规、是否可复现、是否能稳定更新。

F. 大数据和加速：不要盲目堆机器

代码慢时，先不要急着换电脑。可以按顺序检查：

• • 是否可以用 NumPy 向量化；
• • 是否可以用 Pandas 的 groupby()、merge()、query()；
• • 是否重复读取大文件；
• • 是否在循环中反复合并或追加 DataFrame；
• • 是否可以分块读取；
• • 是否需要使用 polars、数据库或 Numba。

很多时候，慢不是 Python 的问题，而是写法不合适。

9. 一套更有效的 AI 协作提示词

下面给出几类可以直接使用的提示词。它们的共同特点是：不只让 AI 写代码，而是要求它说明逻辑、控制风险、保留可复现性。

A. 让 AI 写数据处理代码

我有一份企业-年份面板数据，DataFrame 名为 df。
核心变量包括 firm_id、year、roa、size、lev、city。
请用 Pandas 完成以下任务：

1. 保留 2000-2020 年样本；
2. 删除 roa、size、lev 缺失的观测；
3. 按 firm_id 和 year 排序；
4. 构造 roa 的一期滞后变量；
5. 输出处理前后的样本量变化。

请使用向量化写法，不要逐行循环。
每一步代码都加中文注释。

B. 让 AI 检查代码

请帮我审查下面这段 Python 代码。
重点检查：

1. 是否存在样本筛选错误；
2. 是否存在合并键错误；
3. 是否存在变量类型问题；
4. 是否存在面板数据排序问题；
5. 是否可以用更简洁的 Pandas 或 NumPy 写法。

请不要直接重写全部代码。
先指出问题，再给出最小修改方案。

C. 让 AI 优化代码

下面这段代码可以运行，但速度较慢。
请判断是否可以用 NumPy 向量化、Pandas groupby、merge 或其他成熟函数改写。
要求：

1. 保持输出结果不变；
2. 不改变变量含义；
3. 给出改写前后的逻辑对照；
4. 说明为什么新写法更快或更清楚。

D. 让 AI 解释报错

下面是我的 Python 报错信息和相关代码。
请按以下顺序帮我分析：

1. 报错类型是什么；
2. 最可能出错的代码行是哪一行；
3. 这个错误通常由什么原因导致；
4. 如何用最小修改修复；
5. 如何避免以后再次出现类似错误。

请不要重写整段程序。

这些提示词背后的原则是：你要让 AI 做具体任务，而不是把整个判断过程完全交给它。

10. 结语：学 Python，是为了更好地使用 AI

AI 已经改变了学习 Python 的方式。今天的研究者不一定要从零写出所有代码，但仍然需要掌握一些基础概念、常用函数和语法规则。

原因很现实。

小 bug 不值得每次都问 AI。常见错误自己能修，可以节省大量沟通时间。低效代码不值得照单全收。知道 NumPy、Pandas、Matplotlib、statsmodels、scikit-learn 等工具的基本功能，才能提醒 AI 不要用笨办法。错误代码更不能盲目信任。实证研究中的变量构造、样本筛选、数据合并和模型设定，都需要研究者自己承担判断责任。

所以，Python 速查表的意义不是让你回到“手写一切”的时代，而是让你在 AI 写代码的时代仍然保留判断权。

简言之：AI 可以帮你写代码，但不能替你理解代码。

11. 相关推文

Note：产生如下推文列表的 Stata 命令为：
lianxh python学习 python金融 python应用 python篇 python实现 提示词, m
安装最新版 lianxh 命令：
ssc install lianxh, replace

• • 刘潍嘉, 2025, 扎马步-常用概率分布函数详解：Python篇^[6].
• • 吴浩然, 2024, 数据爬取：美国证监会EDGAR系统数据获取及Python实现^[7].
• • 罗丹, 2025, 提示词！提示词！数据清洗、数据分析、可视化一网打尽^[8].
• • 董思源, 2025, 提示词！用 DeepSeek 快速生成更优代码^[9].
• • 赵文琦, 2025, LLM系列：ChatGPT提示词精选与实操指南^[10].
• • 连享会, 2021, 司继春：Python学习建议和资源^[11].
• • 连小白, 2025, 提示词来了！如何让 AI 翻译看起来像你写的^[12].
• • 连小白, 2026, 通缉令：AI 烂词——张力、楔子、稳了^[13].
• • 连玉君, 2026, 从张大千到《树先生》：一张 AI 插图是怎样磨出来的^[14].
• • 连玉君, 2026, 老连也会画画了！AI 文生图功能太强大^[15].
• • 连玉君, 2025, 老连买电脑：ChatGPT，DeepSeek，豆包来帮忙^[16].
• • 陈卓然, 2023, Python金融分析系列-1：日期和时间变量的处理和转换^[17].
• • 陈卓然, 2023, Python金融分析系列-2：数据可视化^[18] .
• • 陈卓然, 2023, Python金融分析系列-3：金融时间序列^[19].
• • 陈卓然, 2023, Python金融分析系列-4：数学工具-近似、凸优化、积分和符号运算^[20].
• • 高瑜, 2025, 书籍推荐：用Python实现可复现的数据科学^[21].

🍓 连享会 · 2026 社会网络分析专题
嘉宾：杨张博 (西安交通大学)
时间：2026 年 8 月 18-19 日
咨询：王老师 18903405450（微信）

New！ Stata 搜索神器：lianxh 和 songblGIF 动图介绍
搜： 推文、数据分享、期刊论文、重现代码 ……
👉 安装：
. ssc install lianxh
. ssc install songbl
👉  使用：
. lianxh DID 倍分法
. songbl all

🍏 关于我们

• • 连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
• • 直通车： 👉【百度一下：连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。

引用链接

[1] joy_liuyue@163.com: mailto:joy_liuyue@163.com
[2] 系列推文：AI 写代码时代，为什么还要懂一点？: https://www.lianxh.cn/search.html?s=%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%98%E8%A6%81%E6%87%82%E4%B8%80%E7%82%B9%EF%BC%9F
[3] Python cheatsheet: https://cheatsheets.quantecon.org/python-cheatsheet.html
[4] Statistics cheatsheet: https://cheatsheets.quantecon.org/stats-cheatsheet.html
[5] Python Programming for Economics and Finance: https://python-programming.quantecon.org/intro.html
[6] 扎马步-常用概率分布函数详解：Python篇: https://www.lianxh.cn/details/1598.html
[7] 数据爬取：美国证监会EDGAR系统数据获取及Python实现: https://www.lianxh.cn/details/1329.html
[8] 提示词！提示词！数据清洗、数据分析、可视化一网打尽: https://www.lianxh.cn/details/1638.html
[9] 提示词！用 DeepSeek 快速生成更优代码: https://www.lianxh.cn/details/1569.html
[10] LLM系列：ChatGPT提示词精选与实操指南: https://www.lianxh.cn/details/1615.html
[11] 司继春：Python学习建议和资源: https://www.lianxh.cn/details/563.html
[12] 提示词来了！如何让 AI 翻译看起来像你写的: https://www.lianxh.cn/details/1640.html
[13] 通缉令：AI 烂词——张力、楔子、稳了: https://www.lianxh.cn/details/1786.html
[14] 从张大千到《树先生》：一张 AI 插图是怎样磨出来的: https://www.lianxh.cn/details/1784.html
[15] 老连也会画画了！AI 文生图功能太强大: https://www.lianxh.cn/details/1780.html
[16] 老连买电脑：ChatGPT，DeepSeek，豆包来帮忙: https://www.lianxh.cn/details/1561.html
[17] Python金融分析系列-1：日期和时间变量的处理和转换: https://www.lianxh.cn/details/1294.html
[18] Python金融分析系列-2：数据可视化: https://www.lianxh.cn/details/1295.html
[19] Python金融分析系列-3：金融时间序列:  https://www.lianxh.cn/details/1298.html
[20] Python金融分析系列-4：数学工具-近似、凸优化、积分和符号运算: https://www.lianxh.cn/details/1300.html
[21] 书籍推荐：用Python实现可复现的数据科学: https://www.lianxh.cn/details/1551.html