# Data Formulator 工单分析

已真实读取原创CSV、独立Python重算并渲染数据结果；未调用Data Formulator模型。配图中的参考图为独立计算产物，不是伪造的工具界面。

1. 读取工单字段
打开tickets.csv，8行数据，wait_minutes单位分钟。工单代号为原创，不含客户信息；先用离线脚本核对类别样本数。
python3 analyze.py
python3 verify.py

2. 选择稳定版环境
Data Formulator稳定版0.7与0.8预览界面不同。本练习按自己安装版本打开工作区与文件导入，记录版本；不要把主分支截图当稳定版已验证。
uvx data_formulator@0.7.0

3. 导入并审查类型
上传CSV，确认ticket_id和category为文本、wait_minutes为数值。先看8行预览，缺行或把分钟读成日期时停止分析并修正输入。


4. 提交有边界的问题
把prompt.md交给Data Thread。要求结果同时给n与平均值；登录应8分钟、账单30分钟、接入9分钟。结果缺样本数时补问，不用图形高度猜值。


5. 选择清楚的类别图
使用类别条形图，类别为category、数值为平均等待分钟。图标题明确教学样本，轴从0开始；不把样本多的类别直接称效率更差。


6. 与独立结果对照
打开analysis.json和result.html，比较8/30/9与3/3/2。素材图表是Python独立计算后的真实渲染，不代表本站执行了Data Formulator模型会话。
python3 analyze.py

7. 保存分析上下文
导出自己的实际图表/报告，保存输入、版本、提问与计算代码。新工单加入后重新分析，不只编辑图上标签。


官方来源：https://github.com/microsoft/data-formulator