我是怎么用MonkeyCode做一个生物多样性数据分析看板的

Shannon/Simpson/Pielou指数 · 四种图表 · 零bug一次通过

作为一个林学专业的研究生,我做生物多样性研究时,样方数据录入、多样性指数计算、画图分析分散在Excel、R、SPSS里,来回倒腾很麻烦。上一期我用了MonkeyCode做一个野外数据采集表,这一期接着做一个多样性数据分析看板,把录入、计算、画图整合到一个页面里。

一、我的操作过程

1. 输入需求

我把功能列表(数据录入、Shannon/Simpson/Pielou指数计算、四种图表、CSV导出)、配色(森林绿)、计算公式、预置示例数据要求都写清楚了。

2. 执行和等待

点了执行后AI开始拆解需求,思考过程里把功能需求和UI需求分两块梳理。大概4分钟跑完。

3. 预览效果------一次成功

打开预览,主界面一次就成功了。顶部4张统计卡片:样方数3、物种总数9、个体总数183、平均Shannon指数1.790。左侧预置了3个样方的示例数据(马尾松、杉木、青冈等),右侧是图表区。这期没有bug,比上一期顺利很多。

4. 图表展示

右侧三张图表:Shannon指数对比柱状图(样方1: 1.630, 样方2: 1.829, 样方3: 1.910),物种丰度排名Top10条形图(蕨类53、马尾松30、青冈28...),深绿到浅绿渐变色,每个柱形上都有数值标注。

5. 数据表格

6列可排序表格:样方编号、物种名称、个体数、Shannon H、Simpson D、Pielou J,点击表头可排序。

6. 添加新样方------数据实时联动

我点击"+ 添加样方"创建了样方4,录入云杉10株、冷杉8株。系统自动算出H=0.687, D=0.494, J=0.991。所有图表实时更新了------Shannon对比图多了样方4的柱形,丰度排名图新增了云杉和冷杉,累积曲线也变了。这个实时联动的效果很好。

7. 导出CSV

点导出CSV按钮,弹出保存对话框。用WPS打开后数据完整:4个样方、每个物种的个体数和三大多样性指数全部正确。

二、几点使用心得

**1. 计算公式写在Prompt里。**Shannon、Simpson、Pielou的公式直接写进去,AI严格按公式实现。如果对数底数有要求也要注明。

**2. 要求预置示例数据。**打开预览就能直接看效果,不用先手动录入验证。教程截图也更好看。

**3. 图表用Canvas手绘。**不依赖外部库,离线可用。数据分析教学演示完全够用。

**4. 和上一期形成研究链路。**MC-OP-006采集数据→MC-OP-008分析数据,覆盖完整流程。

三、和上一期对比

上一期(参考文献管理器)生成了3分钟,有1个bug(标题保存变空),花了35秒让AI修复。

这一期(多样性分析看板)生成4分钟,零bug一次通过,预置数据完整。

区别在于本期Prompt更具体------包含了完整的计算公式和预置数据要求。Prompt越具体,一次成功率越高。

完整提示词如下:

做一个"生物多样性数据分析看板"网页,要求:

  1. 功能设计:
  • 数据输入:手动录入样方数据(样方编号、物种名称、个体数),支持多个样方多个物种

  • 多样性指数计算:自动计算每个样方的Shannon-Wiener指数(H)、Simpson指数(D)、Pielou均匀度指数(J)

  • 物种统计:自动统计物种总数、个体总数、各物种相对丰度

  • 物种累积曲线:随样方增加,物种数累积变化曲线图

  • 多样性对比柱状图:各样方Shannon指数横向对比

  • 物种丰度排名图:按个体数排名的Top10物种柱状图

  • 数据表格:原始数据表格展示,支持排序

  • 数据导出:导出计算结果为CSV

  1. 界面设计:
  • 生态自然风格,主色用森林绿(#2D5A27),辅色用浅绿(#E8F5E9)

  • 顶部标题栏+统计概览卡片(样方数/物种数/个体总数/平均Shannon指数)

  • 左侧数据录入区,右侧图表展示区

  • 图表用Canvas或SVG手绘,不依赖外部库

  • 响应式布局

  1. 技术要求:
  • 纯HTML+CSS+JavaScript,单文件

  • 数据存储用localStorage

  • 多样性指数计算公式:

Shannon: H = -Σ(pi * ln(pi)),pi为物种i的相对丰度

Simpson: D = 1 - Σ(pi²)

Pielou: J = H / ln(S),S为物种数

  • 图表用Canvas绘制

  • 无依赖,不使用外部库

  1. 预置示例数据:
  • 内置3个样方的示例数据,每个样方5-8个物种,方便直接查看效果

以上为个人真实使用经验分享,仅供参考

相关推荐
Mr数据杨11 小时前
医学影像分类实战复盘 从 Kaggle 竞赛到可落地建模流程
人工智能·数据分析·kaggle竞赛
Mr数据杨14 小时前
GNSS伪距误差预测实战案例 从Kaggle回归任务到城市定位误差补偿
人工智能·数据分析·kaggle竞赛
躺柒17 小时前
读数据可视化19层次数据
信息可视化·数据挖掘·数据分析·数据可视化·层次数据·层次结构
2601_9623818619 小时前
Python办公联动:Excel数据一键自动生成PPT图表
python·数据分析·自动化·excel·ppt
Mr数据杨21 小时前
结构化数据价格预测实战入门 从 Kaggle 回归赛题理解建模与落地
人工智能·数据分析·kaggle竞赛
2601_9669496521 小时前
五档盘口数据对量化交易有什么价值?从信号判断到策略风险的完整分析
开发语言·人工智能·python·数据分析·量化·股票数据·quantdash
小程序设计1 天前
机械设计之大蒜茎叶粉碎抛送装置设计
人工智能·数据挖掘
一只专注api接口开发的技术猿1 天前
Open Claw 实战|快速搭建电商商品监控与数据分析能力
大数据·数据库·数据挖掘·数据分析
十三画者1 天前
【文献分享】ExoFILT:基于深度学习的外泌事件单颗粒追踪数据分类器
人工智能·深度学习·机器学习·数据挖掘·数据分析
Summer-Bright1 天前
深度 | Hot Chips 2026 英特尔三响炮:256 核 Xeon、480GB 推理 GPU,赌 agentic 让 CPU 回归
人工智能·数据挖掘·回归·intel·hotchip