[ PROMPT_NODE_26478 ]
research_pipeline
[ SKILL_DOCUMENTATION ]
# 研究流水线 API 参考
## 核心类
### Denario
用于编排研究工作流的主类。
#### 初始化
python
from denario import Denario
den = Denario(project_dir="path/to/project")
**参数:**
- `project_dir` (str): 研究项目目录的路径，所有输出都将存储在此处
#### 方法
##### set_data_description()
通过描述可用数据和分析工具来定义研究背景。
python
den.set_data_description(description: str)
**参数:**
- `description` (str): 描述数据集、可用工具、研究领域及任何相关背景的文本
**示例:**
python
den.set_data_description("""
可用数据: 2010-2023 年的时间序列温度测量数据
工具: pandas, scipy, sklearn, matplotlib
领域: 气候科学
研究兴趣: 识别季节性模式和长期趋势
""")
**目的:** 通过提供关于可用数据和可行分析的背景信息，为自动化创意生成奠定基础。
##### get_idea()
基于数据描述生成研究假设。
python
den.get_idea()
**返回:** 研究创意/假设（内部存储在项目目录中）
**输出:** 创建一个包含生成的研究问题或假设的文件
**示例:**
python
den.get_idea()
# 生成如下创意: "使用时间序列分解研究季节性温度变化与长期变暖趋势之间的相关性"
##### set_idea()
手动指定研究创意，而非自动生成。
python
den.set_idea(idea: str)
**参数:**
- `idea` (str): 要研究的研究假设或问题
**示例:**
python
den.set_idea("分析厄尔尼诺事件对区域温度异常的影响")
**用例:** 当你有明确的研究方向并希望跳过自动化创意生成时使用。
##### get_method()
基于创意和数据描述开发研究方法论。
python
den.get_method()
**返回:** 方法论文档（内部存储在项目目录中）
**输出:** 创建结构化的方法论，包括：
- 分析方法
- 应用的统计方法
- 验证策略
- 预期输出
**示例:**
python
den.get_method()
# 生成方法论: "应用季节性分解，计算相关系数，
# 执行统计显著性检验，生成
粤公网安备44030002003366号