一个功能完整的数据分析和统计建模平台，参考 SPSSPRO 设计，提供从数据管理到高级机器学习的全流程分析能力。
- 📊 数据管理: 数据上传、清洗、转换、质量评估
- 📈 统计分析: 描述性统计、假设检验、回归分析、时间序列分析
- 🤖 机器学习: 监督学习、无监督学习、模型评估与优化
- 📉 数据可视化: 丰富的图表类型和统计图表
- 🧠 AI自动分析: 使用本地Ollama模型智能分析数据，提供处理建议和可视化方案（支持流式响应）
graph TB
A[DataMind应用<br/>Flet GUI] --> B[主应用<br/>main.py]
B --> C1[数据上传页面]
B --> C2[数据处理页面]
B --> C3[统计分析页面]
B --> C4[机器学习页面]
B --> C5[数据可视化页面]
B --> C6[AI分析页面]
B --> C7[首页]
C1 --> D[核心功能模块<br/>core/]
C2 --> D
C3 --> D
C4 --> D
C5 --> D
C6 --> D
D --> E1[数据处理<br/>数据清洗/缺失值/异常值]
D --> E2[统计分析<br/>基础统计/推断统计/回归/时间序列]
D --> E3[机器学习<br/>监督学习/无监督学习]
D --> E4[AI分析<br/>Ollama集成/流式响应]
D --> E5[数据可视化<br/>基础图表/统计图表]
D --> E6[报告生成<br/>统计报告/结果解释]
E1 --> F1[Pandas<br/>NumPy<br/>SciPy]
E2 --> F2[Scikit-learn<br/>Statsmodels<br/>XGBoost]
E3 --> F2
E4 --> F3[Ollama API<br/>requests]
E5 --> F4[Matplotlib<br/>Seaborn]
DataMind/
├── core/ # 核心功能模块
│ ├── data_processor.py # 基础数据处理
│ ├── data_enhancement/ # 数据增强
│ ├── statistics/ # 统计分析
│ ├── ml/ # 机器学习
│ ├── ai/ # AI自动分析（Ollama）
│ ├── visualization/ # 数据可视化
│ └── reporting/ # 报告生成
├── ui_flet/ # Flet用户界面
│ ├── pages/ # 页面组件
│ ├── components/ # UI组件
│ ├── styles.py # 样式定义
│ └── utils/ # UI工具
├── examples/ # 示例数据
├── main.py # 入口文件
└── requirements.txt # 依赖列表
- CSV/Excel 文件上传
- 数据预览和探索
- 缺失值处理（多种方法）
- 异常值检测和处理
- 数据转换和特征工程
- 描述性分析: 描述性统计、频数分析、交叉表分析
- 差异性分析: t检验、卡方检验、方差分析
- 非参数检验: Mann-Whitney检验、Kruskal-Wallis检验
- 相关性分析: 相关分析、偏相关分析
- 回归分析: 线性回归、逻辑回归、逐步回归
- 高级分析: 主成分分析、聚类分析、决策树
- 多变量分析: 因子分析、判别分析
- 时间序列: ARIMA、指数平滑、趋势与季节性分析
- 监督学习: SVM、KNN、神经网络、集成学习
- 无监督学习: DBSCAN、谱聚类、GMM、降维
- 模型评估: 交叉验证、超参数优化、模型对比
- 基础图表（柱状图、折线图、散点图等）
- 统计图表（密度图、Q-Q图、残差图等）
- 图表导出（PNG、PDF、SVG）
- 前置条件: 确保已安装并运行 Ollama，且已下载
qwen3-vl:235b-cloud模型 - 上传数据后自动触发AI分析
- 流式响应，实时显示分析结果
- 提供数据质量评估、处理建议、可视化方案和统计分析方向
Ollama配置说明:
- 安装 Ollama: 访问 https://ollama.ai 下载并安装
- 下载模型: 运行
ollama pull qwen3-vl:235b-cloud - 启动服务: Ollama 默认运行在
http://localhost:11434 - 如果使用不同的模型或端口，可在
core/ai/ai_analyzer.py中修改配置
- Python 3.8+
- Windows 10/11（当前版本）
- 克隆项目
git clone https://github.com/zhk0567/DataMind.git
cd DataMind- 创建虚拟环境（推荐）
python -m venv venv
venv\Scripts\activate # Windows- 安装依赖
pip install -r requirements.txt- 运行应用
python main.py- 文件大小: 单个文件不超过 500 行
- 代码规范: 遵循 PEP 8
- 代码复用: 提取公共方法和工具类，使用Mixin模式实现功能分离
- 模块化设计: 功能分离，便于维护
DataMind 严格遵循 WCAG 2.1 AAA级（最高级别）无障碍访问标准：
视觉设计
- 高对比度文字：所有文字颜色与背景的对比度达到WCAG AAA级标准（至少7:1）
- 清晰的视觉层次：使用统一的字体大小系统
- 一致的间距系统：标准化的间距规范
交互设计
- 明确的焦点指示：所有可交互元素都有清晰的焦点状态
- 合理的点击区域：按钮和交互元素尺寸符合最小点击区域要求
- 友好的错误提示：使用SnackBar和AlertDialog提供清晰的反馈信息
- 数据验证：在执行分析前进行数据验证，提供清晰的错误提示
代码规范
- 语义化组件：使用语义化的组件名称和结构
- 键盘导航支持：所有功能支持键盘操作
- 屏幕阅读器友好：组件属性支持辅助技术识别
[待定]
欢迎提交 Issue 和 Pull Request！
最后更新: 2025年12月