AI do analizy danych w Pythonie i R: warsztat dla doktorantów

AI pisze i tłumaczy kod, ale decyzje o metodzie i kontrola danych należą do Ciebie. Warsztat w 8 krokach, pułapki pandas i renv oraz prompt do kontroli wejścia.

Tekst: Piotr Olszewski13.11.20266 min czytania

AI do analizy danych w Pythonie i R: warsztat dla doktorantów

Spis treści 8

Dlaczego działający kod to za mało
Warsztat krok po kroku
Python i R - konkretne narzędzia kontroli
Braki danych i wartości odstające
Gotowy prompt do skopiowania
Jak opisać pomoc AI w rozprawie i artykule
Najczęstsze pytania
Źródła

👁 115 przeczytań

w skrócie

AI w analizie danych sprawdza się jako pomocnik od kodu i kontroli, ale decyzję o metodzie statystycznej podejmuje doktorant wraz z promotorem.
Dokumentacja pandas 3.0.6 ostrzega, że wiersze z pustym kluczem są domyślnie dopasowywane do siebie - inaczej niż w SQL, więc trzeba je odfiltrować przed złączeniem.
Taylor & Francis dopuszcza pomoc AI przy kodzie, ale zakazuje kodu bez rzetelnej rewizji i danych syntetycznych zastępujących brakujące dane empiryczne.

W analizie danych w Pythonie i R AI najlepiej sprawdza się jako pomocnik od kodu i kontroli: pisze małe fragmenty, tłumaczy transformacje, proponuje testy. Decyzję o metodzie podejmujesz Ty, a wynikiem pracy ma być odtwarzalny skrypt, który potrafisz wyjaśnić promotorowi linijka po linijce.

To tekst z serii AI w edukacji dla doktorantów. Stan na 12 października 2026. Prompty niżej są szablonami do dopasowania - nie opisują testu ani porównania modeli.

Dlaczego działający kod to za mało

Skrypt może wykonać się bez błędu i odpowiadać na złe pytanie. Najczęstsze przyczyny w kodzie pisanym z AI:

źle zdefiniowana jednostka obserwacji (wiersz to osoba, a powinien być pomiar);
połączenie tabel, które po cichu powiela rekordy;
puste komórki zamienione na zero, choć oznaczały „nie dotyczy”;
notatnik uruchamiany w przypadkowej kolejności, który korzysta ze starego obiektu w pamięci.

Każdą z tych pułapek da się wyłapać prostą kontrolą - pod warunkiem, że poprosisz o nią wprost.

Rozdziel też dwie rozmowy z modelem: o metodzie (co szacujesz i dlaczego) i o implementacji (jak to zapisać w kodzie). Przy poprawianiu błędu w kodzie model potrafi po cichu zmienić także decyzję metodologiczną, na przykład sposób traktowania braków.

Warsztat krok po kroku

Napisz słownik danych. Jednostka obserwacji, identyfikatory, znaczenie i jednostki każdej zmiennej, sposób oznaczania braków, relacje między plikami. „Wynik” jest dla modelu tak samo niejasny jak dla nowego współpracownika.
Zrób sztuczny plik o tej samej strukturze. Zaprojektuj rekordy od zera, z typowymi trudnościami (duplikat klucza, brak, wartość odstająca). Model dostaje wtedy materiał do pisania kodu, a Ty nie wysyłasz danych uczestników.
Zapisz plan analizy przed oglądaniem wyników. Co jest analizą główną, co eksploracyjną. Każdą późniejszą zmianę planu notuj z powodem.
Zlecaj małe fragmenty. Najpierw wczytanie i raport jakości wejścia, potem transformacje, na końcu model statystyczny. Każdy etap przejrzyj przed następnym.
Każ wyjaśniać operacje zmieniające dane. Jeśli nie umiesz wyjaśnić linijki, poproś o minimalny przykład „przed i po”.
Kontroluj połączenia tabel - szczegóły niżej.
Testuj na danych o znanym wyniku. Mały zbiór, który da się policzyć ręcznie, plus przypadek, który powinien zatrzymać skrypt.
Zamroź środowisko i uruchom całość od zera w czystej sesji.

Python i R - konkretne narzędzia kontroli

Problem	Python	R
Połączenie powiela rekordy	`pandas.merge(..., validate="1:1")` albo `"m:1"` - pandas zgłasza błąd, gdy klucze nie są unikalne tam, gdzie powinny	Przed złączeniem sprawdź unikalność klucza i porównaj liczbę wierszy przed i po
Skąd pochodzi rekord	`indicator=True` dodaje kolumnę `_merge` z wartościami left_only, right_only, both	Zapisz osobno rekordy niedopasowane (np. anti join)
Wersje pakietów	`python -m pip freeze > requirements.txt`, odtworzenie: `pip install -r requirements.txt`	`renv::init()`, `renv::snapshot()` zapisuje pakiety w `renv.lock`, `renv::restore()` instaluje te same wersje
Czego plik zależności nie opisze	Wersji samego Pythona i bibliotek systemowych	renv śledzi wersję R, ale jej nie instaluje; nie obejmuje systemu, bibliotek systemowych, kompilatora ani Pandoc

Pułapka z brakami w kluczach

Dokumentacja pandas (wersja 3.0.6) ostrzega: jeśli obie kolumny klucza mają wiersze z pustą wartością, pandas dopasuje je do siebie. To inne zachowanie niż w zwykłym złączeniu SQL. Model piszący kod „jak w SQL” może tego nie uwzględnić, więc rekordy bez identyfikatora odfiltruj przed złączeniem i zapisz osobno.

renv to nie cała odtwarzalność

Dokumentacja renv sama mówi, że narzędzie nie jest panaceum na odtwarzalność. Do pełnego odtworzenia wyniku potrzebujesz jeszcze opisu danych wejściowych, kolejności uruchamiania skryptów i informacji o systemie. renv do problemów z systemem odsyła do Dockera.

Braki danych i wartości odstające

Nie pozwól modelowi „naprawić” pustych komórek wartością wygodną obliczeniowo. Najpierw ustal, co znaczy brak: brak odpowiedzi, nie dotyczy czy błąd techniczny. Każdy powód może wymagać innego traktowania. Decyzję zapisz w planie, a w kodzie zostaw komentarz z odwołaniem do niej.

Z wartościami odstającymi tak samo: najpierw sprawdź, czy to błąd pomiaru lub importu. Prawidłowej wartości nie usuwasz dlatego, że wykres wygląda czyściej. Jeśli AI proponuje regułę usuwania, poproś o uzasadnienie z literatury metodologicznej - i sprawdź, czy cytowane źródło istnieje (modele zmyślają publikacje, więcej w tekście o halucynacjach AI).

Gotowy prompt do skopiowania

Napisz kod w [Python z pandas / R] do kontroli danych wejściowych.
Schemat danych: [kolumny, typy, klucz, znaczenie braków].
Plik testowy (sztuczne dane): [nazwa].
Zasady:
- nie modyfikuj pliku źródłowego;
- sprawdź wymagane kolumny, typy i unikalność klucza [nazwa klucza];
- przy łączeniu tabel użyj kontroli relacji kluczy ([1:1 / m:1]) i zapisz rekordy niedopasowane;
- odfiltruj i zapisz osobno wiersze z pustym kluczem przed złączeniem;
- zatrzymaj wykonanie przy naruszeniu schematu;
- nie rób imputacji i nie usuwaj wierszy;
- pod kodem wyjaśnij każdą operację, która zmienia liczbę wierszy;
- nie pisz, że kod działa, jeśli go nie uruchomiłeś.

Jak opisać pomoc AI w rozprawie i artykule

Notuj rolę modelu na bieżąco, nie przy składaniu pracy: pomoc w składni to co innego niż wygenerowanie istotnego fragmentu analizy. Wydawcy patrzą na kod różnie. Taylor & Francis wymienia pomoc przy kodzie wśród dozwolonych zastosowań, ale zakazuje kodu bez rzetelnej rewizji i danych syntetycznych zastępujących brakujące dane. Jak to ująć w oświadczeniu - w tekście deklaracja użycia AI.

Promotorowi przekaż paczkę, którą da się uruchomić: opis celu, instrukcję startu, opis danych, plik zależności, wskazanie wyników użytych w tekście i listę decyzji do oceny merytorycznej. Sam wykres nie jest dowodem poprawności analizy.

Najczęstsze pytania

Czy AI może wybrać test statystyczny?

Może porównać opcje i wskazać brakujące informacje. Decyzja wymaga znajomości projektu. założeń metody, więc należy do Ciebie i promotora.

Python czy R do doktoratu?

To, w którym Ty i zespół umiecie sprawdzić kod i odtworzyć wynik. Nie przepisuj projektu tylko dlatego, że model chętniej pisze w innym języku.

Czy mogę wkleić dane badawcze do ChatGPT?

Najpierw sprawdź zasady projektu, zgody uczestników i licencję narzędzia. Do pisania kodu zwykle wystarczy słownik danych i całkowicie sztuczny zbiór; samo usunięcie nazwisk nie czyni danych anonimowymi.

Czy działający skrypt oznacza poprawną analizę?

Nie. Uruchomienie sprawdza składnię, nie sens. Potrzebny jest test na danych o znanym wyniku i ocena, czy metoda odpowiada na pytanie.

Czy trzeba zachować historię czatu?

Zachowaj przynajmniej polecenia i odpowiedzi, które wpłynęły na analizę. Historia czatu uzupełnia kod i plan, ale ich nie zastępuje.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Źródła

Zobacz też: które AI do rozprawy doktorskiej i deklaracja użycia AI.

Autor

Piotr Olszewski

Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.

O mnie →Wszystkie teksty →