diff --git "a/QA/QA.jsonl" "b/QA/QA.jsonl" new file mode 100644--- /dev/null +++ "b/QA/QA.jsonl" @@ -0,0 +1,225 @@ +{"id": "QA_1", "question": "分别在\"RA.xlsx\"和\"非RA.xlsx\"两个文件中，计算字段\"digm\"与字段\"CALLY\"之间的皮尔逊相关系数（Pearson correlation coefficient），并计算\"digm\"与\"CALLYlog10\"之间的皮尔逊相关系数。对每组相关系数保留4位小数，并计算对应的p值（保留4位小数）。最后，计算RA组与非RA组在这两对变量相关系数上的差值（RA相关系数 - 非RA相关系数），保留4位小数。输出结果为一个汇总表格，包含以下列：变量对（digm-CALLY / digm-CALLYlog10）、RA组相关系数、RA组p值、非RA组相关系数、非RA组p值、相关系数差值。缺失值处理：计算相关系数时自动忽略任一变量为空的行（pairwise deletion）。", "input_file": "RA.xlsx\n非RA.xlsx", "output_type": "数值统计", "reference": "变量对 RA 组相关系数 非 RA 组相关系数 相关系数差值 (RA - 非 RA)\n digm-CALLY 0.0576 0.0365 0.0211\n digm-CALLYlog10 0.0916 0.0686 0.0231", "rubrics": null} +{"id": "QA_2", "question": "统计一下，统计周期、业务票数、总成本、平均单票成本、涉及供应商数量、费用类型数量。其中统计周期显示数据中最早日期至最晚日期的区间（格式YYYY-MM-DD至YYYY-MM-DD）；业务票数为去重后的业务单号总数；总成本为所有成本金额之和（保留2位小数）；平均单票成本为总成本除以业务票数（保留2位小数）；涉及供应商数量为去重后的供应商名称总数；费用类型数量为去重后的费用类型总数。", "input_file": "报关成本记录.xlsx", "output_type": "数值统计", "reference": "统计周期：$2000-01-01$ 至 $2000-09-14$\n业务票数：$1712$ 票\n总成本：$1,522,209.00$ 元\n平均单票成本：$889.14$ 元\n涉及供应商数量：$5$ 家\n费用类型数量：$29$ 种（指在该周期内产生过金额的费用科目", "rubrics": null} +{"id": "QA_3", "question": "请根据所提供的不同物流公司的月度费用数据， 计算公司2和公司3季度同比、环比， 以及年度的同比环比", "input_file": "环比、同比的数据.xlsx", "output_type": "数值统计", "reference": "4家公司合计：季度同比 & 环比\n| 季度 | 季度总金额 | 环比 | 同比 |\n| ------ | -----: | ------: | -----: |\n| 年度1-Q1 | 22,420 | — | — |\n| 年度1-Q2 | 22,098 | -1.44% | — |\n| 年度1-Q3 | 22,806 | 3.20% | — |\n| 年度1-Q4 | 24,708 | 8.34% | — |\n| 年度2-Q1 | 22,414 | -9.28% | -0.03% |\n| 年度2-Q2 | 21,563 | -3.80% | -2.42% |\n| 年度2-Q3 | 25,062 | 16.23% | 9.89% |\n| 年度2-Q4 | 26,555 | 5.96% | 7.48% |\n| 年度3-Q1 | 28,486 | 7.27% | 27.09% |\n| 年度3-Q2 | 23,793 | -16.47% | 10.34% |\n| 年度3-Q3 | 22,846 | -3.98% | -8.84% |\n| 年度3-Q4 | 23,947 | 4.82% | -9.82% |\n\n4家公司合计：年度同比 & 环比\n| 年度 | 年度总金额 | 环比 | 同比 |\n| --- | -----: | ----: | ----: |\n| 年度1 | 92,032 | — | — |\n| 年度2 | 95,594 | 3.87% | 3.87% |\n| 年度3 | 99,072 | 3.64% | 3.64% |", "rubrics": null} +{"id": "QA_4", "question": "对比 “直接客户” vs “货物代理”，各自的总发运量是多少？ 各自的最忙周（1~43周）是哪一周？那一周的发运量分别是多少？", "input_file": "测试数据.xlsx", "output_type": "数值统计", "reference": "| 客户属性 | 总发运量（1~43周合计） | 最忙周（1~43周） | 该周发运量 |\n| ---- | ------------: | ---------: | -----: |\n| 直接客户 | 346,494 | 第40周 | 14,826 |\n| 货物代理 | 318,074 | 第43周 | 9,734 |", "rubrics": null} +{"id": "QA_5", "question": "哪个发货人和销售人的组合在43周的运输总量最多？给我top5结果", "input_file": "测试数据.xlsx", "output_type": "数值统计", "reference": "43周运输总量最多的组合是：\n发货人：发货人22\n销售人：销售人16\n43周运输总量：1343\n\nTop 5 结果：\n| 排名 | 发货人 | 销售人 | 43周运输总量 |\n| -: | ------ | ------ | ------: |\n| 1 | 发货人22 | 销售人16 | 1343 |\n| 2 | 发货人203 | 销售人101 | 922 |\n| 3 | 发货人276 | 销售人44 | 752 |\n| 4 | 发货人236 | 销售人9 | 678 |\n| 5 | 发货人493 | 销售人9 | 659 |", "rubrics": null} +{"id": "QA_6", "question": "根据关键词搜索数据。找出出现频率前8的单词，并给出出现次数。", "input_file": "关键词.xls", "output_type": "数值统计", "reference": "1.pressure（99）\n2. fryer（98）\n3.chicken（28）\n4. penny（17）\n5. henny（16）\n6. gas（16）\n7.electric（11）\n8. cooker（9）", "rubrics": "第5和第6出现频次相同位置可以互换。"} +{"id": "QA_7", "question": "哪个教育集团四年级才能上课程5？", "input_file": "抽样班级.xlsx", "output_type": "数值统计", "reference": "教育集团1", "rubrics": null} +{"id": "QA_8", "question": "有多少道题正确率低于80%", "input_file": "正确率.xlsx", "output_type": "数值统计", "reference": "21道题", "rubrics": "必须是21题，其他数字都算错。"} +{"id": "QA_9", "question": "按\"供应商年限\"、\"供应商类型\"、\"供应商星等级\"三个维度分别统计，需要包含维度的名称，数量，占比百分比（%）", "input_file": "page1.xlsx", "output_type": "数值统计", "reference": "供应商年限 供应商数量 占比百分比 (%)\n 5 年 7 14.58\n 3 年 6 12.50\n 1 年 6 12.50\n 2 年 5 10.42\n 7 年 4 8.33\n 10 年 4 8.33\n 4 年 3 6.25\n 9 年 3 6.25\n 17 年 2 4.17\n 20 年 2 4.17\n 13 年 2 4.17\n 6 年 2 4.17\n 18 年 1 2.08\n 8 年 1 2.08\n 供应商类型 供应商数量 占比百分比 (%)\n goldSupplier（金牌供应商） 26 54.17\n verifiedSupplier /goldSupplier（认证供应商 / 金牌供应商） 21 43.75\n verifiedSupplier Pro /goldSupplier（高级认证供应商 / 金牌供应商） 1 2.08\n 供应商星等级 供应商数量 占比百分比 (%)\n 1 星 16 33.33\n 2 星 13 27.08\n 3 星 8 16.67\n 未分类 5 10.42\n 4 星 5 10.42\n 5 星 1 2.08\n", "rubrics": null} +{"id": "QA_10", "question": "有数据的计算下平均交易笔数和平均交易额", "input_file": "page1.xlsx", "output_type": "数值统计", "reference": "1. 基础交易数据\n 有效交易记录数：21 家供应商\n 总交易笔数：3,466 笔\n 总交易额：$6,252,000\n 2. 平均交易指标\n 平均交易笔数：165.05 笔（保留 2 位小数）\n 平均交易额：$297,714.29（保留 2 位小数，币种为美元）", "rubrics": null} +{"id": "QA_11", "question": "对不同“发货人”20s和40s 进行统计，需要输出前20名发货人的发货人名称，20s数量，40s数量，总数量，并按总量降序排列", "input_file": "发货人统计.xlsx\n44周订单.xlsx\n45周订单.xlsx", "output_type": "数值统计", "reference": " 发货人 20s 40s 总箱量\n发货人_0145 2308 0 2308\n发货人_0105 792 976 1768\n发货人_0098 1669 5 1674\n发货人_0084 1482 0 1482\n发货人_0090 0 1373 1373\n发货人_0243 0 1232 1232\n发货人_0121 1142 0 1142\n发货人_0142 1012 49 1061\n发货人_0180 902 66 968\n发货人_0136 905 0 905\n发货人_0171 0 900 900\n发货人_0140 617 262 879\n发货人_0149 877 0 877\n发货人_0123 475 346 821\n发货人_0043 800 0 800\n发货人_0318 795 0 795\n发货人_0143 173 610 783\n发货人_0089 762 5 767\n发货人_0177 712 0 712\n发货人_0231 19 669 688", "rubrics": null} +{"id": "QA_12", "question": "读取文件\"所有数据.xlsx\"中的所有数据，根据\"客户国家地区\"字段内容判断其所属洲（判断规则：通过国家/地区名称匹配到欧洲/亚洲/北美洲/南美洲/非洲/大洋洲六大洲之一，无法匹配的归为\"未标注\"）拼写错误、简写需进行匹配，按所属洲分组统计\"人民币小计\"和\"美元小计\"两个字段的总和。输出一个包含3列的汇总：第1列为\"所属洲\"，第2列为\"人民币小计合计\"，第3列为\"美元小计合计\"；金额数值保留2位小数；按\"人民币小计合计\"降序排列；仅输出有数据的洲（即该洲至少有一条记录），无数据的洲不显示。", "input_file": "所有数据.xlsx", "output_type": "数值统计", "reference": "所属洲 人民币小计合计 美元小计合计\n 欧洲 46348400.41 6432562.65\n 亚洲 35556466.02 4966732.18\n 南美洲 10703875.51 1497542.69\n 北美洲 10159027.43 1423089.91\n 大洋洲 7940375.71 1112499.85\n 非洲 6450167.95 902888.42\n 未标注 891929.69 125455.62", "rubrics": "1. 以下国家存在洲归属争议，两种归属均可接受： \n- 亚美尼亚（ARMENIA）：亚洲 或 欧洲 \n- 格鲁吉亚（GEORGIA）：亚洲 或 欧洲 \n- 塞浦路斯（CYPRUS）：亚洲 或 欧洲 \n- 土耳其（TURKEY）：亚洲 或 欧洲 \n\n2. 因争议国家导致的金额差异，在以下范围内均算正确： \n- 欧洲：45,814,883 ~ 46,870,000 \n- 亚洲：34,870,000 ~ 35,930,000 \n- 非洲：6,450,000 ~ 6,590,000 \n\n3. 其他洲（南美洲、北美洲、大洋洲、未标注）需完全匹配"} +{"id": "QA_13", "question": "在\"文件2.xlsx\"中找到第16题相关的结果，计算每种评分选项对应的所有数值的均值和方差。", "input_file": "文件2.xlsx", "output_type": "数值统计", "reference": "选项 均值 方差\n 性病 / 艾滋病防护意识 4.39 1.24\n 避孕知识掌握 4.25 1.64\n 坦然谈论性话题的态度 4.29 1.42\n 拒绝 / 协商能力（如安全性行为） 4.34 1.33\n 做负责任决定的能力 4.45 1.04", "rubrics": "数值需要完全一致，顺序可以不一样"} +{"id": "QA_14", "question": "统计每个事业部的完成率（定义为：实际完成值 ÷ 目标值 × 100%），按完成率从高到低降序排列，输出包含事业部名称和完成率的表格，完成率保留2位小数并带百分号。", "input_file": "站点数据统计.csv", "output_type": "数值统计", "reference": " 事业部 完成率(%)\nDIV事业部9BED02 97.87%\nDIV事业部CDD15F 81.82%\nDIV事业部C3ABA1 69.44%\nDIV事业部1F6BFC 49.33%\nDIV事业部22AEAB 45.57%\nDIV事业部C2D65F 44.44%\nDIV事业部25D750 43.64%\nDIV事业部E49E85 40.82%\nDIV事业部75E978 39.18%\nDIV事业部988DF6 16.98%\nDIV事业部BBAE98 14.81%\nDIV事业部08D6DE 1.89%\nDIV事业部F263A7 0.00%\nDIV事业部F98256 0.00%", "rubrics": null} +{"id": "QA_15", "question": "按照事业部维度统计任务完成率（定义为：实际完成值 ÷ 目标值 × 100%），结果按完成率降序排列，保留2位小数并以百分比形式展示，输出包含\"事业部\"和\"任务完成率\"两列的表格。", "input_file": "站点数据统计2.xlsx", "output_type": "数值统计", "reference": " 事业部 任务完成率\n 阿尔柔三部 96.81%\n艾普欧米二部 86.11%\n 阿尔柔九部 81.82%\n 德尔陶十部 58.76%\n卡帕克西七部 54.43%\n 德尔柔七部 49.33%\n 贝塔陶二部 44.44%\n 贝塔纽九部 43.64%\n 阿尔派一部 41.67%\n贝塔克西七部 16.98%\n 阿尔柔八部 14.81%\n艾普拉姆二部 9.20%\n 伽马陶五部 1.89%\n 伊塔宇七部 0.00%", "rubrics": null} +{"id": "QA_16", "question": "请帮我分析1）2024年销售总额，2）2024年1月-10月VS2025年1月-10月的增长率，3）负数销售总额。单位元，精确到小数点后两位。\n\n- 销售金额字段：使用文件中与\"销售额/金额/收入\"语义最匹配的数值列\n- 时间字段：使用文件中与\"日期/时间\"语义最匹配的列，格式识别为YYYY-MM或YYYY-MM-DD\n- 时间范围：2024年指2024-01-01至2024-12-31；1月-10月指当年01月01日至10月31日\n- 负数定义：销售金额 < 0 的记录\n- 缺失值处理：计算总额时忽略空值；统计记录数时空值不计入\n- 数值格式：金额保留2位小数，百分比保留2位小数并加%符号\n- 增长率计算公式：(2025年1-10月销售额 - 2024年1-10月销售额) / |2024年1-10月销售额| × 100%\n- 输出形式：文本形式呈现三组统计结果，包含具体数值", "input_file": "货品清单.xls", "output_type": "数值统计", "reference": "一、2024年全年销售情况\n2024年全年销售总额为31,935,001.92元。\n二、同期销售对比（1-10月）\n2024年1-10月销售总额为26,841,753.08元，2025年1-10月销售总额为19,678,938.95元，同比减少7,162,814.13元，下降26.69%。\n2025年前10个月销售额较2024年同期下降超过四分之一，销售形势面临较大压力。\n三、异常数据情况\n存在44条负数销售记录，涉及金额-162,294.84元，占总记录数的0.31%。负数记录通常由退货、冲账或数据调整产生，当前占比较低，属于正常范围，但建议定期核查确保数据准确性。", "rubrics": null} +{"id": "QA_17", "question": "统计两个文件中所有工作表（sheet）的数据行总数。计算规则：每个sheet的数据行数为\"包含数据的最大行号减去表头行数\"，若sheet为空则计为0行；最终输出两个文件所有sheet的数据行数之和（一个整数）。", "input_file": "file1_.xlsx\nfile2_.xlsx", "output_type": "数值统计", "reference": 938, "rubrics": null} +{"id": "QA_18", "question": "统计数据中每个日期（按\"YYYY-MM-DD\"格式）的设备投入台时总和。若数据中存在\"日期\"和\"设备投入台时\"相关字段，则按日期分组汇总设备投入台时；若同一天有多条记录则累加；缺失值不参与计算；最终输出一个包含\"日期\"和\"设备投入台时总和\"两列的表格，按日期升序排列，数值保留2位小数，单位为\"台时\"。", "input_file": "白班晚班设备运行与环保停工记录.xlsx", "output_type": "数值统计", "reference": null, "rubrics": null} +{"id": "QA_19", "question": "帮我统计一下晨这篇短文的字数，不包括标点符号。", "input_file": "晨.docx", "output_type": "数值统计", "reference": " 总字数：97", "rubrics": null} +{"id": "QA_20", "question": "统计计算数据中每个日期的设备投入台时总和，并按日期升序排列输出结果表格。表格包含两列：日期（MM-DD格式）和当日设备投入台时总和（保留2位小数）。最后在表格末尾增加一行显示所有日期的设备投入台时总计。", "input_file": "4616a877-fcc1-43ec-8828-6e2b441f4031.jpg", "output_type": "数值统计", "reference": "日期 当日设备投入台时总和\n 11月16日 36.50 \n 11月17日 40.50 \n 11月18日 41.00 \n 11月19日 30.00 \n 11月20日 30.00 \n 11月21日 30.00 \n 11月22日 30.00 \n 11月23日 61.50 \n 11月24日 51.00 \n 11月25日 61.50 \n 11月26日 61.50 \n 11月27日 61.50 \n 11月28日 42.00 \n 11月29日 61.50 \n 11月30日 30.00 \n 12月1日 51.00 \n 12月2日 61.50 \n 12月3日 0.00 \n 12月4日 30.00 \n 12月5日 41.00 \n 12月6日 61.50 \n 12月7日 61.50 \n 12月8日 61.50 \n 12月9日 51.50 \n 12月10日 41.00 \n 12月11日 21.00 \n 设备投入台时总计 1150.00", "rubrics": null} +{"id": "QA_21", "question": "请利用前六年的数据通过线性预测法帮我预测2024年和2025年的市场规模”，如下图所示。", "input_file": "用户画像报告模板.docx", "output_type": "数值统计", "reference": "无6年前数据", "rubrics": null} +{"id": "QA_22", "question": "计算该Excel文件中所有项目涉及金额相关字段的金额总和。若存在多个sheet，则汇总所有sheet中的涉及金额；若某行的涉及金额为空值、非数值或0，则该行不计入总和；最终输出一个数值结果，保留2位小数，格式为\"总涉及金额：XXX.XX\"（若数据中有明确币种单位则附上，否则仅输出数值）。", "input_file": "聊城市安县（新抽取的2013年以来的项目）7个--系统整治.xlsx", "output_type": "数值统计", "reference": "总涉及金额： 4450.04万元", "rubrics": null} +{"id": "QA_23", "question": "统计一下，按如下格式输出给我\n 阶段 客户数 收入占比 毛利占比 特征\n \n 新客户（<1年） X家 X% X% 需培育\n \n 成长期（1-3年） X家 X% X% 快速增长\n \n 成熟期（3-5年） X家 X% X% 稳定贡献\n \n 衰退期（>5年，负增长） X家 X% X% 需激活", "input_file": "【财务】客户应收款汇总表20251215_desensitized.xlsx\n 【财务】客户应收款汇总表2024_desensitized.xlsx\n ", "output_type": "数值统计", "reference": null, "rubrics": null} +{"id": "QA_24", "question": "请基于提供的两个Excel文件中的视频数据，计算并输出以下三个指标：\n 1. 总播放量（所有视频的播放量求和，保留整数）\n 2. 总互动量（所有视频的点赞数、投币数、收藏数、评论数四项之和的总计，保留整数）\n 3. 平均互动率（定义为：总互动量 ÷ 总播放量，结果以百分比形式呈现，保留2位小数）", "input_file": "戏曲_游戏.xlsx\n戏剧文化_动漫_二创.xlsx", "output_type": "数值统计", "reference": "统计结果：\n1. 总播放量：2,669,457\n2. 总互动量：310,078\n3. 平均互动率：11.62%", "rubrics": null} +{"id": "QA_25", "question": "读取所有表格中的指数变化波动情况", "input_file": "工作簿1.xlsx\n工作簿2.xlsx", "output_type": "数值统计", "reference": "指标\n球队1VS 球队2\n球队3VS 球队4\n主胜欧赔变异系数\n1.29%\n0.00%\n1.88%\n1.16%\n2.74%\n1.96%\n2. 市场活跃度分析\n关键结论\n平均成交量\n687,202\n2,615,994\n成交量峰值\n1,279,061\n3,848,784\n成交量增长率\n594.1%\n118.5%", "rubrics": "关注指数和成交量是否正确"} +{"id": "QA_26", "question": "填写以下表格然后完整输出：\n# 7种植物温室内外5项关键指标均值及差异空白汇总表\n（差异值计算方法：温室内均值 - 温室外均值，数值保留2位小数；叶厚、叶片厚度单位：mm，Fv/Fm为无量纲比值，气孔大小、比叶面积按实际测量单位填写）\n\n| 指标 | 统计维度 | 荇菜 | 水皮莲 | 刺种荇菜 | 金银莲花 | 圆齿荇菜 | 香蕉草 | 海丰荇菜 |\n|---------------------|----------------|---------|---------|----------|----------|----------|---------|----------|\n| Fv/Fm | 温室内均值 | | | | | | | |\n| | 温室外均值 | | | | | | | |\n| | 差异值（室内-室外） | | | | | | | |\n| 叶厚（mm)叶片中间位置 | 温室内均值 | | | | | | | |\n| | 温室外均值 | | | | | | | |\n| | 差异值（室内-室外） | | | | | | | |\n| 叶片厚度（主脉位置） | 温室内均值 | | | | | | | |\n| | 温室外均值 | | | | | | | |\n| | 差异值（室内-室外） | | | | | | | |\n| 比叶面积 | 温室内均值 | | | | | | | |\n| | 温室外均值 | | | | | | | |\n| | 差异值（室内-室外） | | | | | | | |\n| 气孔大小 | 温室内均值 | | | | | | | |\n| | 温室外均值 | | | | | | | |\n| | 差异值（室内-室外） | | | | | | | |", "input_file": "温室内-外实验总数据-lw.xlsx", "output_type": "数值统计", "reference": "### 7种植物温室内外5项关键指标均值及差异汇总表\n（数值均保留2位小数，差异值=温室内均值-温室外均值；叶厚、叶片厚度单位：mm，Fv/Fm为无量纲比值，气孔大小、比叶面积保留原始数据单位）\n\n| 指标 | 统计维度 | 荇菜 | 水皮莲 | 刺种荇菜 | 金银莲花 | 圆齿荇菜 | 香蕉草 | 海丰荇菜 |\n|---------------------|----------------|---------|---------|----------|----------|----------|---------|----------|\n| Fv/Fm | 温室内均值 | 0.83 | 0.81 | 0.81 | 0.82 | 0.82 | 0.79 | 0.80 |\n| | 温室外均值 | 0.73 | 0.69 | 0.80 | 0.73 | 0.78 | 0.68 | 0.79 |\n| | 差异值（室内-室外） | 0.10 | 0.12 | 0.00 | 0.08 | 0.04 | 0.11 | 0.01 |\n| 叶厚（mm)叶片中间位置 | 温室内均值 | 0.39 | 0.34 | 0.36 | 0.41 | 0.38 | 0.33 | 0.35 |\n| | 温室外均值 | 0.26 | 0.22 | 0.27 | 0.28 | 0.25 | 0.28 | 0.29 |\n| | 差异值（室内-室外） | 0.13 | 0.12 | 0.09 | 0.13 | 0.13 | 0.05 | 0.06 |\n| 叶片厚度（主脉位置） | 温室内均值 | 0.93 | 0.95 | 0.91 | 0.98 | 0.89 | 0.85 | 0.87 |\n| | 温室外均值 | 0.64 | 0.62 | 0.68 | 0.65 | 0.58 | 0.73 | 0.71 |\n| | 差异值（室内-室外） | 0.29 | 0.33 | 0.23 | 0.33 | 0.31 | 0.12 | 0.16 |\n| 比叶面积 | 温室内均值 | 14.25 | 14.81 | 13.52 | 15.23 | 12.69 | 13.12 | 12.98 |\n| | 温室外均值 | 9.67 | 9.35 | 10.18 | 9.87 | 8.92 | 11.26 | 10.53 |\n| | 差异值（室内-室外） | 4.58 | 5.46 | 3.34 | 5.36 | 3.77 | 1.86 | 2.45 |\n| 气孔大小 | 温室内均值 | 341.29 | 346.72 | 335.86 | 352.68 | 328.45 | 318.42 | 322.56 |\n| | 温室外均值 | 236.85 | 229.58 | 258.74 | 218.35 | 245.12 | 285.67 | 268.39 |\n| | 差异值（室内-室外） | 104.44 | 117.14 | 77.12 | 134.33 | 83.33 | 32.75 | 54.17 |", "rubrics": null} +{"id": "QA_27", "question": "这是OT渠道的订单量（《OT_订单量》是11月的数据、《OT_订单量-12月》是12月数据）和大盘订单的2份数据。请综合3份文档，对比2个时间区间分析，按照以下表头产出数据（直接回答）：日期区间、OT订单总量、OT-Web订单量、大盘订单量、OT订单占比、OT-Web订单占比\n \n 日期区间选11月1-4日和12月1-4日", "input_file": "大盘订单-superset.csv\n OT_订单量.csv\n OT_订单量-12月.csv", "output_type": "数值统计", "reference": "日期区间 OT订单总量 OT-Web订单量 大盘订单量 OT订单占比 OT-Web订单占比\n11月1-4日 153 10 797 19.20% 1.25%\n12月1-4日 120 10 453 26.49% 2.21%", "rubrics": null} +{"id": "QA_28", "question": "对比1和2中的人名，看看2中缺少1里面的谁（直接回答）", "input_file": "1.xlsx\n2.xlsx", "output_type": "数值统计", "reference": "学生1120、学生1133、学生1021、学生1241\n ", "rubrics": null} +{"id": "QA_29", "question": "对比1和2中的人名，看看2中缺少1里面的谁（直接回答）", "input_file": "1.xlsx\n2.xlsx", "output_type": "数值统计", "reference": "学生1241", "rubrics": null} +{"id": "QA_30", "question": "对总分校排名和各科目校排名，用（上次考试排名-本次考试排名）/（上次考试排名+本次考试排名）公式，并用百分比表示计算每个学生的进退率，列出总分和各科进步最大的3个同学和退步最大的3位同学。", "input_file": "314班第一次摸底考.xlsx\n 314班期中联考成绩.xlsx", "output_type": "数值统计", "reference": " 总分校排名\n进步最大： 学生_21 (67.27%)、学生_5 (62.96%)、学生_16 (58.49%)\n退步最大： 学生_4 (-40.00%)、学生_8 (-28.57%)、学生_10 (-23.38%)", "rubrics": null} +{"id": "QA_31", "question": "联合1-10月的数据，分析退货最多的sport", "input_file": "M10数据_desensitized.xlsx\nM2数据_desensitized.xlsx \nM4数据_desensitized.xlsx \nM6数据_desensitized.xlsx \nM8数据_desensitized.xlsx\nM1数据_desensitized.xlsx \nM3数据_desensitized.xlsx \nM5数据_desensitized.xlsx \nM7数据_desensitized.xlsx \nM9数据_desensitized.xlsx", "output_type": "数值统计", "reference": "结合1-10月的数据分析，退货金额和数量最多的Sport（运动品类）是 SP_907ffdf7。", "rubrics": null} +{"id": "QA_32", "question": "联合1-10月的数据，分析SP_907ffdf7 这个sport退货最多的产品Top 3", "input_file": "M10数据_desensitized.xlsx\nM2数据_desensitized.xlsx \nM4数据_desensitized.xlsx \nM6数据_desensitized.xlsx \nM8数据_desensitized.xlsx\nM1数据_desensitized.xlsx \nM3数据_desensitized.xlsx \nM5数据_desensitized.xlsx \nM7数据_desensitized.xlsx \nM9数据_desensitized.xlsx", "output_type": "数值统计", "reference": "排名 产品代码 (Model Code) 退货总金额 退货总数量\n1 MC_651072e6 1,205,250 7,177\n2 MC_3ac9fdb0 1,055,432 13,498\n3 MC_f50cfd38 864,814 5,601", "rubrics": null} +{"id": "QA_33", "question": "对比一下这两份数据，哪些号商在本周 1-4 成交订单数有下滑50%以上", "input_file": "本周_1-4卖号宝数据_desensitized.csv\n上周_1-4_卖号宝数据_desensitized.csv", "output_type": "数值统计", "reference": "号商 上周成交订单数 本周成交订单数 下滑幅度\n号商_010 1 0 100% (↓ 1)\n号商_084 1 0 100% (↓ 1)\n号商_129 2 0 100% (↓ 2)\n号商_026 3 1 66.7% (↓ 2)", "rubrics": null} +{"id": "QA_34", "question": "帮我统计2024年1月-10月所有品种的销售额是多少，同比2025年1月-10月所有品种的销售是多少，2025年1-10月同比2024年1月-10月同比增长多少", "input_file": "2025年销售汇总分析表.xlsx\n2024年销售汇总分析表.xlsx", "output_type": "数值统计", "reference": "2024年1-10月销售额 2025年1-10月销售额 同比增长率(%)\n 45,575,436.89 53,630,889.21 17.67%\n ", "rubrics": null} +{"id": "QA_35", "question": "“250101”表是25年1月1日在职人员信息，请帮我筛出来人员里必须是25年1月1日前已经转正的，同时满足入职必须是25年1月1前的，岗位层级包含骨干、非骨干、专家的人", "input_file": "信息汇总.xlsx", "output_type": "数值统计", "reference": "4507人", "rubrics": null} +{"id": "QA_36", "question": "杂食性、植食性、肉食性鱼类各有多少尾和重量？", "input_file": "2024-2025黑水河鱼类数据（周五晚）.xlsx", "output_type": "数值统计", "reference": "食性分类 数量（尾） 总重量（g） \n杂食性 1,136 105,680.34 \n植食性 192 173,951.20 \n肉食性 244 48,291.39", "rubrics": null} +{"id": "QA_37", "question": "共有几个日期所有班级都记录了出勤，这些日期加起来，那个班级“事假”缺勤人数最多？", "input_file": "24级人工智能2班.xlsx\n24级人工智能1班.xlsx\n24级人工智能3班.xlsx\n24级人工智能4班.xlsx\n24级人工智能5班.xlsx\n24级人工智能6班.xlsx\n24级人工智能7班.xlsx", "output_type": "数值统计", "reference": "共有5天所有班级都记录了出勤，这5天加起来“24级人工智能5班”的事假缺勤人数最多", "rubrics": null} +{"id": "QA_38", "question": "读取文件\"7题统计分析结果.xlsx\"，找到其中省份分布数据。将所有省份按照活跃度指标（取“参与人数”作为活跃度衡量标准）从高到低排序，列出top10的省份，直接以列表形式逐一罗列所有省份名称及其对应的活跃度数值，不进行任何分组归类（如\"高活跃区\"\"中等活跃区\"等）。输出格式为：每行一个\"省份名称：活跃度数值\"，数值保留2位小数，按活跃度降序排列。若原文件中已有分组标签，忽略这些标签，仅提取原始省份名称和数值进行重新排序输出。直接输出文本即可。", "input_file": "7题统计分析结果.xlsx", "output_type": "数值统计", "reference": "山东省 1448\n浙江省 796\n湖南省 434\n江苏省 365\n江西省 305\n陕西省 205\n广西壮族自治区 174\n河北省 169\n山西省 158\n河南省 132", "rubrics": "- 省的名字、数字都必须完全正确；\n- 排序必须完全正确"} +{"id": "QA_39", "question": "统计文件\"3_现金收入分层统计结果_(1).xlsx\"中，所有数值型列里数值严格大于204000的单元格总数量。若文件包含多个sheet，则统计所有sheet（完整分层结果sheet 和 有数据的区间sheet）；若某列为非数值型（如文本、日期），则跳过该列。", "input_file": "3_现金收入分层统计结果_(1).xlsx", "output_type": "数值统计", "reference": 314, "rubrics": null} +{"id": "QA_40", "question": "统计文件\"10月近一年销售单明细账.xlsx\"中，'账号0026', '账号0287', '账号0288', '账号0109', '账号0289'这5家网店在近一年内每个月的销售额环比增长率。具体要求：\n 1. 按\"网店名称\"字段筛选出这5家网店的数据\n 2. 按\"月份\"（格式YYYY-MM）分组统计每家网店的月度销售总额\n 3. 计算每家网店每个月相对于上个月的环比增长率，公式为：(本月销售额 - 上月销售额) / 上月销售额\n 4. 增长率以百分比形式展示，保留2位小数\n 5. 输出表格包含列：网店名称、月份、当月销售额(保留2位小数)、环比增长率(%)\n 6. 按网店名称分组，月份升序排列\n 7. 每家网店的第一个月因无上月数据，环比增长率显示为--", "input_file": "10月近一年销售单明细账.xlsx", "output_type": "数值统计", "reference": " 网店名称 月份 当月销售额 环比增长率(%)\n账号0026 2024-10 5743.84 --\n账号0026 2025-03 6472.80 12.69%\n账号0026 2025-05 6996.00 8.08%\n账号0026 2025-07 6220.00 -11.09%\n账号0026 2025-08 5782.00 -7.04%\n账号0026 2025-09 3420.00 -40.85%\n账号0026 2025-10 16426.00 380.29%\n账号0287 2024-10 7534.24 --\n账号0287 2024-11 5351.68 -28.97%\n账号0287 2024-12 12771.28 138.64%\n账号0287 2025-01 17220.06 34.83%\n账号0287 2025-02 1680.00 -90.24%\n账号0287 2025-03 6309.92 275.59%\n账号0287 2025-04 2472.00 -60.82%\n账号0287 2025-05 10224.00 313.59%\n账号0287 2025-06 8712.00 -14.79%\n账号0287 2025-07 6004.00 -31.08%\n账号0287 2025-08 6246.00 4.03%\n账号0287 2025-09 6544.00 4.77%\n账号0287 2025-10 8882.00 35.73%\n账号0288 2025-03 2544.00 --\n账号0288 2025-05 4380.00 72.17%\n账号0288 2025-07 5208.00 18.90%\n账号0288 2025-08 8113.00 55.78%\n账号0288 2025-09 8136.00 0.28%\n账号0109 2025-07 1908.00 --\n账号0109 2025-08 3816.00 100.00%\n账号0289 2025-06 9661.00 --\n账号0289 2025-07 -265.00 -102.74%", "rubrics": null} +{"id": "QA_41", "question": "根据上传的客户应收款汇总表，忽略收入金额异常（非数字、负数）的客户，剩余客户按收入金额将客户分为三类：大客户（收入>500万）、中客户（收入在100万到500万之间，包含100万和500万）、小客户（收入<100万），统计每类客户的客户数量、该类客户收入占总收入的百分比、该类客户毛利占总毛利的百分比、该类客户的平均毛利率，并生成一个包含7列的汇总数据，列名依次为：客户类型、客户数、收入总额、平均收入、毛利总额、平均毛利、 平均毛利率(原始)。直接生成文本即可。", "input_file": "【财务】客户应收款汇总表20251215.xlsx", "output_type": "数值统计", "reference": "客户类型 客户数 收入总额 平均收入 毛利总额 平均毛利 平均毛利率\n 大客户 6 567,579,612.83 94,596,602.14 120,260,550.10 20,043,425.02 22893.57%\n 中客户 82 157,243,313.11 1,917,601.38 34,966,306.80 426,418.38 21.42%\n 小客户 7428 301,099,600.20 40,535.76 58,154,422.82 7,829.08 18.23%\n 总计 7516 1,025,922,526.14 136,498.47 213,381,279.72 28,390.27 36.53%", "rubrics": null} +{"id": "QA_42", "question": "请统计7-10月份儿童保健中心DST异常（DQ<70）患者的复诊情况，分别按以下四个维度进行分层统计：(1)年龄分组（0-1岁、1-3岁、3-6岁、6岁以上）；(2)性别（男、女）；(3)初诊月份（7月、8月、9月、10月）；(4)严重程度分组（DQ<50为重度、50≤DQ<60为中度、60≤DQ<70为轻度）。每个维度输出：该层级的总人数、复诊人数、复诊率（保留2位小数，以百分比形式呈现）。最终以文本输出。", "input_file": "7-10DST.xlsx", "output_type": "数值统计", "reference": "结果正确即可，不需要考虑维度的顺序", "rubrics": "分层维度 分层类别 总人数 复诊人数 复诊率(%)\n 严重程度 中度 49 2 4.08\n 严重程度 轻度 131 10 7.63\n 严重程度 重度 50 0 0\n 初诊月份 10月 44 2 4.55\n 初诊月份 7月 63 5 7.94\n 初诊月份 8月 66 3 4.55\n 初诊月份 9月 57 2 3.51\n 年龄分组 0-1岁 50 7 14\n 年龄分组 1-3岁 135 5 3.7\n 年龄分组 3-6岁 45 0 0\n 年龄分组 6岁以上 0 0 0\n 性别 女 86 3 3.49\n 性别 男 144 9 6.25"} +{"id": "QA_43", "question": "基于\"24年25年数据源.xlsx\"文件，完成以下统计任务：计算2024年和2025年1-10月每个月的销售额总和，按月份（YYYY-MM格式）汇总，输出包含\"月份\"、\"2024年销售额\"、\"2025年销售额\"、\"同比增长率(%)\"四列的表格，其中同比增长率保留2位小数，按月份升序排列；若某月数据缺失则该月不参与计算；最终输出前10个月的数据。最后一行输出2024年以及2025年分别的总额", "input_file": "24年25年数据源.xlsx", "output_type": "数值统计", "reference": null, "rubrics": "月份 2024年销售额 2025年销售额 同比增长率(%)\n 2024-01 750847 958777 27.69\n 2024-02 533454 1711047 220.75\n 2024-03 904952 1858441 105.36\n 2024-04 904307 1124921 24.4\n 2024-05 1014447 1338223 31.92\n 2024-06 1040612 1372888 31.93\n 2024-07 950470 1097969 15.52\n 2024-08 1046388 1139390 8.89\n 2024-09 1271482 1458079 14.68\n 2024-10 1708240 1409908 -17.46\n 总额 10125199 13469643"} +{"id": "QA_44", "question": "对文件\"2025-11-04_11：27-_11：42_NH3.xlsx\"中的4组NH3排放数据，分别计算每组的排放速率（单位：与数据列单位一致，若为浓度-时间数据则为浓度/时间）和拟合系数R²（线性拟合的决定系数）。输出格式为表格，包含列：组别、排放速率（保留2位小数）、拟合系数R²（保留4位小数）。排放速率通过对每组数据进行时间-浓度线性回归得到斜率；拟合系数为该线性回归的R²值。若数据中存在缺失值则忽略该数据点；若某组数据点少于2个则标注\"数据不足\"。", "input_file": "2025-11-04_11：27-_11：42_NH3.xlsx", "output_type": "数值统计", "reference": "组别 排放速率 拟合系数 R²\n 2100 头 6.95 0.7571\n 1800 头 4.63 0.7591\n 1500 头 5.23 0.7675\n 1200 头 4.00 0.7922", "rubrics": null} +{"id": "QA_45", "question": "统计数据中有多少个不同的 business_code 对应了多个不同的 product_id，并输出该数量。具体要求：按 business_code 分组，计算每个 business_code 对应的不同 product_id 数量，筛选出对应数量大于1的 business_code，最终输出符合条件的 business_code 个数（一个整数）。", "input_file": "product_business_code_mapping_脱敏后_20251027165040.csv", "output_type": "数值统计", "reference": 246, "rubrics": null} +{"id": "QA_46", "question": "统计数据中\"现金收入\"字段值严格大于 51000 的客户数量，忽略\"现金收入\"字段为空值或非数值的行。最终输出一个整数。", "input_file": "1_教育-全部.xlsx", "output_type": "数值统计", "reference": 407, "rubrics": null} +{"id": "QA_47", "question": "统计“人员名单.xlsx”表格中，70岁及以上的一级残疾人发放金额总数。", "input_file": "人员名单.xlsx", "output_type": "数值统计", "reference": 400, "rubrics": null} +{"id": "QA_48", "question": "统计福彩3D和排列三历史数据中，\"紧凑型\"、\"标准型\"、\"松散型\"三种形态各自出现的次数。其中形态定义规则为：将每期开奖号码的三个数字从小到大排序后，计算相邻数字的差值，若两个差值之和≤3则为\"紧凑型\"，若两个差值之和在4-6之间（含边界）则为\"标准型\"，若两个差值之和≥7则为\"松散型\"。统计时合并福彩3D和排列三的所有历史记录，忽略缺失值和无效数据行。输出结果按照\"紧凑型\"、\"标准型\"、\"松散型\"出现次数即可。", "input_file": "TC排列3差(4).xlsx\n1000注形态分布完整统计.xlsx\nFC3D差(4).xlsx", "output_type": "数值统计", "reference": "紧凑型：384次\n 标准型：645次\n 松散型：2372次", "rubrics": null} +{"id": "QA_49", "question": "在文件\"结果顺序.xlsx\"中，找到包含题目列表（DTC1.1, DTC2.2, DTWC1等共50个题目代码）的那一列，统计每个题目代码在该列中首次出现的行号（从1开始计数，包含表头行）。输出统计后的结果：第1列为题目代码（按用户给出的顺序排列），第2列为对应的行号。若某题目代码在该列中不存在，则行号标记为\"未找到\"。保留所有50个题目代码的结果，不做Top N截断。", "input_file": "结果顺序.xlsx", "output_type": "数值统计", "reference": "题目代码 行号 DTC1.1 37 DTC2.2 10 DTWC1 28 DTWC2 40 FMC1.1 5 FMC2.2 17 FMWC1 32 FMWC2 4 HQC1.1 42 HQC2.2 35 HQWC1 11 HQWC2 50 HSC1.1 7 HSC2.2 33 HSWC1 20 HSWC2 9 JGC1.1 45 JGC2.2 15 JGWC1.1 21 JGWC2.2 24 KJC1.1.1 22 KJC1.1.2 51 KJC2.2.1 3 KJC2.2.2 41 KJWC1.1 30 KJWC1.2 23 PPC1.1 49 PPC2.2 14 PPWC1 44 PPWC2 48 SKC1.1 27 SKC2.2 47 SKWC1 25 SKWC2 2 SSC1.1 6 SSC2.2 13 SSWC1 16 SSWC2 18 XNC1.1 36 XNC2.2 43 XNWC1 12 XNWC2 26 XXC1.1 31 XXC1.2 34 XXC2.1 46 XXC2.2 19 XXWC1.1 39 XXWC1.2 8 XXWC2.1 38 XXWC2.2 29", "rubrics": null} +{"id": "QA_50", "question": "对数据集中的10个解释变量分别进行Z-score标准化（即对每个变量减去其均值后除以标准差），然后基于标准化后的变量对面板数据进行以下两项检验：(1) F检验（用于判断固定效应模型vs混合OLS模型的选择）；(2) Hausman检验（用于判断固定效应模型vs随机效应模型的选择）。输出检验统计量、p值和检验结论（在0.05显著性水平下的模型选择）。", "input_file": "BMA完整面板数据2019-2023_50家企业最终版_desensitized.xlsx", "output_type": "数值统计", "reference": null, "rubrics": null} +{"id": "QA_51", "question": "在文件\"A指标.xlsx\"中，筛选出\"等级\"列值为\"B2F\"的所有行，然后按\"年份\"列进行分组，计算每个年份对应的\"指标A\"列的平均值。输出结果为一个包含两列的表格：第一列为\"年份\"（按年份升序排列），第二列为\"指标A平均值\"（保留2位小数）。若某年份的\"指标A\"存在缺失值，则在计算该年份平均值时忽略缺失值；若某年份所有\"指标A\"值均缺失，则该年份的平均值显示为\"无数据\"。", "input_file": "A指标.xlsx", "output_type": "数值统计", "reference": "年份 指标A平均值\n 2019 2.36\n 2020 2.97\n 2021 3.18\n 2022 2.47\n 2023 2.82\n 2024 2.49\n 2025 2.53", "rubrics": "是否按照年份进行排序"} +{"id": "QA_52", "question": "在文件\"A指标.xlsx\"中，筛选出\"等级\"列值为\"B2F\"的所有行，然后按\"年份\"列分组，计算每个年份中\"指标A\"列的最大值。输出结果为一个包含两列的表格：第一列为年份（按升序排列），第二列为该年份对应的指标A最大值（保留2位小数）。若某年份的指标A列存在缺失值，则忽略缺失值后计算最大值；若某年份筛选后无有效数据，则该年份不出现在结果中。", "input_file": "A指标.xlsx", "output_type": "数值统计", "reference": "年份 指标A最大值\n 2019 3\n 2020 3.41\n 2021 4.36\n 2022 3.66\n 2023 4.47\n 2024 3.73\n 2025 3.25", "rubrics": "是否按照年份进行排序"} +{"id": "QA_53", "question": "筛选\"等级\"列值为\"B2F\"的所有行，按\"年份\"字段分组，计算每个年份对应的\"指标A\"列的中位数。输出一个包含两列的表格：第一列为年份（按升序排列），第二列为该年份指标A的中位数（保留2位小数）。若某年份的指标A全部为缺失值，则该年份的中位数显示为\"N/A\"。", "input_file": "A指标.xlsx", "output_type": "数值统计", "reference": "年份 指标A中位数\n 2019 2.27\n 2020 2.94\n 2021 3.19\n 2022 2.53\n 2023 2.84\n 2024 2.5\n 2025 2.53", "rubrics": "是否按照年份进行排序"} +{"id": "QA_54", "question": "基于文件中与\"排列三\"相关的历史开奖数据，使用旋转矩阵方法生成一组包含6个号码的组选推荐结果，并将该推荐结果作为新的一行追加到原文件的\"排列三推荐\"工作表中（若该工作表不存在则新建）。推荐结果应包含：期号（格式为\"推荐_YYYYMMDD\"）、6个推荐号码（每个号码为0-9的单个数字，允许重复，按从小到大排序后输出到6个独立列中，列名为\"号码1\"至\"号码6\"）、生成时间戳。旋转矩阵方法定义为：取最近10期开奖号码的百位、十位、个位数字，构建3×10矩阵，按列求和后对10取模得到10个候选数字，从中选取出现频次最高的前6个不同数字作为推荐（若频次相同则按数字大小升序取前6个）。", "input_file": "TC形态分析_完整公式版.xlsx", "output_type": "数值统计", "reference": "0, 1, 5, 7, 8, 9", "rubrics": null} +{"id": "QA_55", "question": "统计截至12月20日（包含12月20日当天），语言类型为\"中文\"的记录中，线索总数和订单总数各是多少。输出格式为文本，包含两个数值：\"线索数量：X 条\"和\"订单数量：Y 条\"。", "input_file": "大盘数据-superset.csv", "output_type": "数值统计", "reference": "截至 12 月 20 日（包含 12 月 20 日当天），语言类型为 \"中文\" 的记录中，线索数量：290018条，订单数量：61705条。", "rubrics": null} +{"id": "QA_56", "question": "截至2025年12月（包含该月），中文科目的OT线索量的总和、OT官网线索量的总和、OT订单量的总和、OT官网订单量的总和分别是多少？", "input_file": "大盘数据_商业化数据.xlsx", "output_type": "数值统计", "reference": "- OT线索量的总和：727\n- OT官网线索量的总和：358\n- OT订单量的总和：1437\n- OT官网订单量的总和：1394", "rubrics": "回答的各项数值完全准确，才算正确"} +{"id": "QA_57", "question": "计算整个公司的总业绩（对各个存在“总业绩”数据的月份的“总业绩”求和），输出结果保留2位小数，格式为\"公司总业绩: XXX.XX\"。", "input_file": "文件4.xlsx\n店长业绩.xlsx", "output_type": "数值统计", "reference": "公司总业绩: 126326098.74", "rubrics": "回答的数值完全准确，才算正确"} +{"id": "QA_58", "question": "统计\"二级行业12\"的二级行业中收入大于61000（不含61000）的客户数量，并计算该数量占所有行业客户总数的百分比。输出结果包含两个数值：(1) 符合条件的客户数量（整数）；(2) 占比（百分比，保留2位小数，格式如\"12.34%\"）。统计时忽略收入字段为空值或非数值的行。", "input_file": "4_文娱-全部.xlsx", "output_type": "数值统计", "reference": "二级行业12中收入大于 61000 的客户数量为 39；该数量占所有行业客户总数的百分比为 7.00%", "rubrics": "回答的两个数值必须完全准确，才算正确"} +{"id": "QA_59", "question": "统计\"二级行业7\"的二级行业中收入大于61000（不含61000）的客户数量，并计算该数量占所有行业客户总数的百分比。输出结果包含两个数值：(1) 符合条件的客户数量（整数）；(2) 占比（百分比，保留2位小数，格式如\"12.34%\"）。统计时忽略收入字段为空值或非数值的行。", "input_file": "4_文娱-全部.xlsx", "output_type": "数值统计", "reference": "二级行业7中收入大于 61000 的客户数量为 2；该数量占所有行业客户总数的百分比为 0.36%", "rubrics": "回答的两个数值必须完全准确，才算正确"} +{"id": "QA_60", "question": "统计\"二级行业5\"的二级行业中收入大于61000（不含61000）的客户数量，并计算该数量占所有行业客户总数的百分比。输出结果包含两个数值：(1) 符合条件的客户数量（整数）；(2) 占比（百分比，保留2位小数，格式如\"12.34%\"）。统计时忽略收入字段为空值或非数值的行。", "input_file": "4_文娱-全部.xlsx", "output_type": "数值统计", "reference": "二级行业5中收入大于 61000 的客户数量为 26；该数量占所有行业客户总数的百分比为 4.67%", "rubrics": "回答的两个数值必须完全准确，才算正确"} +{"id": "QA_61", "question": "统计该表格中所有商品的实收总额，计算时包含负数值（负数按实际负值参与求和），输出结果为一个数值，保留2位小数。统计过程中不排除任何行，包括空值行、重复行、异常值行均参与计算（空值视为0）。", "input_file": "银屑病1-10.xlsx", "output_type": "数值统计", "reference": 78622246.44, "rubrics": "回答的数值必须完全准确，才算正确"} +{"id": "QA_62", "question": "根据“一站式对客服务中心业务需求受理清单”中数据，统计不同业务类别的总件数、以及该业务类别下不同处理结果的件数（占比）。占比使用百分号表示，四舍五入保留一位小数点", "input_file": "【一站式10月数据】一站式对客服务中心业务需求受理清单（2025.10.01-10.31）.xlsx\n 【清洗后】空调加时申请数据列表_20251105111539 (1).xlsx\n 【清洗后】报事报修申请数据列表_20251105111533 (1).xlsx", "output_type": "数值统计", "reference": "“报事报修” 448 件，处理结果为：已完成 441 件（98.4%）、已撤销 5 件（1.1%）、委外处理中 1 件（0.2%）、挂起，长期处理 1 件（0.2%）\n“空调加时” 197 件，处理结果为：已完成 197 件（100.0%）\n“环境绿植” 2 件，处理结果为：已完成 2 件（100.0%）", "rubrics": "处理结果为 0 件的不做要求"} +{"id": "QA_63", "question": "这是15分钟测得的4组CO2排放的数据，使用每秒的数据，计算2100头、1800头、1500头、1200头的均值，四舍五入到个位\n ", "input_file": "2025-10-30 20：23- 20：38 _CO2.xlsx", "output_type": "数值统计", "reference": "2100头：1070\n1800头：2292\n1500头：973\n1200头：1892", "rubrics": null} +{"id": "QA_64", "question": "计算2025年12月“主推”级别的销量的同比和环比增长率。使用百分号，四舍五入到两位小数点", "input_file": "销售利润分析-ASIN-25年12.xls\n销售利润分析-ASIN-24年10.xls\n销售利润分析-ASIN-24年11.xls\n销售利润分析-ASIN-25年10.xls\n销售利润分析-ASIN-24年12.xls\n销售利润分析-ASIN-25年11.xls", "output_type": "数值统计", "reference": "“主推”级别的销量，2025年12月为 14780，2024年12月为 25020，2025年11月为 19343。\n同比增长率 = (14780 - 25020) / 25020 = -40.93%\n环比增长率 = (14780 - 19343) / 19343 = -23.59%", "rubrics": null} +{"id": "QA_65", "question": "读取文件\"20251219_订单明细_安娜(17317597692)_1.xlsx\"，基于【客户编号】字段解析客户首购日期YYYYMMDD的客户数（格式：KH+YYYYMMDD+HHMM，如KH202506031921表示2025年6月3日19:21首购），按客户数高到低的顺序，输出客户数前3的首购日期及对应的客户数", "input_file": "20251219_订单明细_安娜(17317597692)_1.xlsx", "output_type": "数值统计", "reference": "20251030，客户数 24390\n20250418，客户数 10730\n20241104，客户数 7189", "rubrics": null} +{"id": "QA_66", "question": "2025301，福彩3D差和体彩排列3差的“不定位两码差”分别是多少？", "input_file": "体彩排列3差(4).xlsx\n福彩3D差(4).xlsx", "output_type": "数值统计", "reference": "福彩3D差：2, 2, 0\n体彩排列3差：3, 3, 6", "rubrics": null} +{"id": "QA_67", "question": "统计数据中\"省份\"相关字段的唯一值数量，输出格式为\"调查覆盖 X 个省\"，其中 X 为统计得到的省份数量。", "input_file": "2-调查数据清20251026.xlsx", "output_type": "数值统计", "reference": "根据调查数据统计，该调查共覆盖了 28个 省（自治区、直辖市）。", "rubrics": null} +{"id": "QA_68", "question": "统计文件\"AI使用调研.xlsx\"中第二题的多选题答案分布。该题为\"【多选题】你通常使用AI工具来完成哪些工作？\"，需要统计以下8个选项各自被选择的次数：\n 1. 编码 / 查bug / 生成文档\n 2. 内容制作\n 3. 设计 / 制图 / 视频制作\n 4. 文案创作 / 内容策划\n 5. 办公效率\n 6. 市场调研 / 信息搜索\n 7. 不使用\n 8. 其他\n \n 输出格式为二列表格：第一列为选项编号及完整文本，第二列为该选项被选择的次数（整数）。按选项编号1-8顺序排列。若某选项未被任何人选择则计数为0。多选题中每个受访者可能选择多个选项，每个选项独立计数。", "input_file": "AI使用调研.xlsx", "output_type": "数值统计", "reference": "办公效率文案创作 / 内容策划市场调研 / 信息搜索：$901$ 次编码 / 查bug / 生成文档设计 / 制图 / 视频制作 内容制作其他：$123$ 次不使用\n $1,135$ $1,124$ $832$ $414$ $242$ $68$", "rubrics": null} +{"id": "QA_69", "question": "统计讲师id为5的所有课程的总课时数（单位：小时），将课时数累加后保留2位小数，输出格式为\"5的总课时：X.XX 小时\"。", "input_file": "2025年第八届医院信息药师高级��修班_-_课程安排V1.3.xlsx", "output_type": "数值统计", "reference": "的总课时：32.00小时", "rubrics": null} +{"id": "QA_70", "question": "统计两个Excel文件中id完全相同的人员数量。具体要求：以id作为唯一标识，找出同时出现在\"东乡街道60周岁以上不含村字人员名单.xlsx\"和\"东乡街道60岁以上非村级住址人员名单.xlsx\"两个文件中的记录，输出交集人数（整数）。若某文件中同一id出现多次，视为1人；若id字段存在空值、格式异常或非18位数字，则该行不参与匹配。最终输出格式：一个整数，表示两个名单的交集人数。", "input_file": "东乡街道60周岁以上不含村字人员名单.xlsx\n东乡街道60岁以上非村级住址人员名单.xlsx", "output_type": "数值统计", "reference": 30, "rubrics": null} +{"id": "QA_71", "question": "统计314班两次考试（期中联考和摸底）中，分别有多少人进入前10名、前20名、前50名、前70名这四个名次段，并以表格形式输出对比结果。表格包含三列：名次段（前10名/前20名/前50名/前70名）、第一次考试人数、第二次考试人数。若数据中包含总分或排名列，优先使用；若无排名列，则按总分降序排名后统计；若存在并列名次，采用\"占坑法\"（即3个并列第10名算作第10、11、12名，前10名只统计到第9名）。", "input_file": "314班期中联考成绩.xlsx\n314班第一次摸底考.xlsx", "output_type": "数值统计", "reference": "排名区间,第一次摸底人数,期中联考人数,变化情况 校前10名,0,2,+2 校前20名,0,5,+5 校前50名,7,8,+1 校前70名,14,14,0", "rubrics": null} +{"id": "QA_72", "question": "对\"凌晨时段销售明细.xlsx\"进行假设检验，检验10月30日凌晨时段（00:00-03:20）的销售金额与10月其他日期（10月1日至10月31日，排除10月30日）同一时段（00:00-03:20）的销售金额是否存在统计上显著差异。使用独立样本t检验（若数据不满足正态性则使用Mann-Whitney U检验），显著性水平α=0.05。输出结果包括：检验方法名称、检验统计量、p值、是否显著（p<0.05则显著）、10月30日凌晨销售金额总和、其他日期凌晨销售金额的均值和标准差。所有金额保留2位小数。", "input_file": "凌晨时段销售明细.xlsx", "output_type": "数值统计", "reference": "1. 数据处理与分组实验组（崩溃时段）： 2025年10月30日 00:00-03:20，总销售额为 2,166.36 RMB。 对照组（正常时段）： 10月其余30个日期（10月1日-29日及31日）的相同时间段（00:00-03:20）。 对照组平均销售额：36,895.66 RMB对照组标准差：8,338.53 RMB2. 统计检验结果为了验证差异的显著性，我们计算了崩溃日销售额偏离正常水平的程度（Z-score）：Z-score (标准分数): -4.1649这表示10月30日的销售额比10月平均水平低了 4.16个标准差。P-value (P值): 3.11e-05 ($0.0000311$)统计学上，通常 $P < 0.05$ 即认为差异显著。该结果远小于 0.05，具有极显著的统计学差异。正态性检验 (Shapiro-Wilk): $P = 0.9129$对照组数据符合正态分布，验证了上述参数检验结果的可靠性。3. 结论通过对比分析，10月30日凌晨故障期间的销售金额显著低于10月其他日期的平均水平。这种差异在统计学上是极其显著的，排除随机波动的可能性，可以判定销售额的断崖式下跌与程序崩溃高度相关。", "rubrics": null} +{"id": "QA_73", "question": "统计该微信群聊天记录中四个小组各自的总销量数值，并以表格形式输出。表格包含两列：\"小组名称\"和\"总销量\"，按总销量降序排列。总销量保留2位小数，若数据中未明确标注单位则不添加单位。若某小组无销量数据则显示0。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": "第四小组：10241.00 元 第三小组：10040.00 元 第二小组：13231.00 元 第一小组：10526.00元", "rubrics": null} +{"id": "QA_74", "question": "统计文档中\"重点品\"在各个\"铺市\"（或\"市场/终端/门店\"等类似含义字段）的覆盖家数。具体要求：\n 1. 识别文档中与\"重点品\"相关的产品/品类字段，以及与\"铺市\"相关的终端/门店/市场标识字段\n 2. 统计每个重点品在多少个不同铺市点位出现过（去重计数）\n 3. 输出格式为表格：列包含\"重点品名称\"和\"铺市家数\"，按铺市家数降序排列\n 4. 数值保留整数（家数为自然数）\n 5. 若文档中未明确标注\"重点品\"，则选取与\"重点/核心/主推\"语义最匹配的产品分类；若无铺市明细，则统计\"终端/门店/客户\"等最接近的实体数量\n 6. 缺失值处理：若某重点品的铺市信息为空，则该品不计入结果；若铺市字段存在但为空值，视为0家\n 7. 输出Top10重点品及其铺市家数，若不足10个则全部输出", "input_file": "终端熔炼_���力以赴_1.docx", "output_type": "数值统计", "reference": "重点品名称,铺市家数 \nA , 32\nB , 32", "rubrics": null} +{"id": "QA_75", "question": "统计文档中“重点品”（A类和B类）的累计囤货/拖货数量。\n具体要求：\n识别文档中“A铺市”和“B铺市”后跟随的囤货数量（单位：提）。\n分别计算A类和B类产品的总囤货量。\n输出格式为表格：包含“重点品类别”和“总囤货量（提）”两列。\n若存在重复引用的消息，需进行去重处理。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": "重点品类别，总囤货量（提）\nA类，369\nB类，383", "rubrics": null} +{"id": "QA_76", "question": "统计文档中\"增加囤货\"或\"增囤货\"的终端客户家数总计。若文档中存在明确的客户列表或客户名称字段，则对满足\"增囤货\"条件的客户进行去重计数；若文档为非结构化文本，则提取所有提及\"增囤货\"的客户名称并去重统计。输出结果为一个整数，表示增囤货的客户家数。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": 30, "rubrics": null} +{"id": "QA_77", "question": "统计文档中与\"货价打造\"相关的所有不同商家或供应商的数量。具体规则：在文档的表格或文本中查找包含\"货价\"\"打造\"\"商家\"\"供应商\"\"厂家\"等相关字段或描述，统计出现的不同商家/供应商名称的去重数量。若文档中存在明确的商家名称列，则对该列去重计数；若无明确列但文本中提及多个商家，则提取并去重计数。最终输出一个整数，表示涉及的商家总数。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": 14, "rubrics": null} +{"id": "QA_78", "question": "统计文档中每个人（销售人员/业务员）的销量数据，并统计每个人对应的囤货客户家数。输出一个表格，包含以下列：人员姓名、销量总额（保留2位小数）、囤货客户家数（整数）。按销量总额降序排列，输出Top 10（若人员总数少于10则全量输出）。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": "姓名,总销量 (元),增囤货家数 (店)\n王金锋,\"4,982\",2\n谢良超,\"4,231\",2\n孙阁,\"3,823\",2\n葛静华,\"3,773\",3\n孙超,\"3,531\",2\n姜雪锋,\"3,436\",2\n卢路,\"3,160\",2\n温呈成,\"2,675\",2\n任红伟,\"2,340\",1\n李玉豪,\"1,932\",3", "rubrics": null} +{"id": "QA_79", "question": "统计文档中每个人（销售人员/业务员）的销量总和，按销量从高到低排序，输出前10名及其对应的销量数值。若文档中存在多个可能表示\"销量\"的字段（如\"销售额\"、\"销售数量\"、\"成交金额\"等），优先选择语义上最接近\"销量\"的数值型字段；若同时存在\"数量\"和\"金额\"，优先使用\"数量\"。销量数值保留2位小数，若数据总人数少于10人则输出全部。忽略销量为空值或0的记录。输出格式为表格，包含\"姓名/人员\"和\"销量\"两列。", "input_file": "终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": "姓名/人员，销量 (元)\n用户_14，4982.00\n用户_16，4231.00\n用户_26，3823.00\n用户_15，3773.00\n用户_25，3531.00\n用户_06，3436.00\n用户_23，3160.00\n用户_13，2675.00\n用户_01，2340.00\n用户_11，1932.00", "rubrics": null} +{"id": "QA_80", "question": "筛选出满足以下条件的所有号商：在\"成交订单\"维度下，8月（当年8月1日至8月31日）没有任何数据记录，但9月（当年9月1日至9月30日）存在至少一条数据记录。输出一个包含这些号商标识的列表，按号商名称或ID升序排列。", "input_file": "8_月整月卖号宝数据情况.xlsx\n 9_月整月卖号宝数据情况.xlsx", "output_type": "数值统计", "reference": "排名 号商名称\n1 号商001\n2 号商016\n3 号商022\n4 号商028\n5 号商048\n6 号商049\n7 号商053\n8 号商057\n9 号商059\n10 号商060\n11 号商070\n12 号商077\n13 号商081\n14 号商086\n15 号商092\n16 号商093\n17 号商101\n18 号商106\n19 号商128\n20 号商132\n21 号商135", "rubrics": null} +{"id": "QA_81", "question": "60-80岁的残疾人和80岁以上的老人，作为重点关注人员，部分已经提供居家上门服务，统计A镇、D社区、B镇、C镇 还没提供居家上门服务的重点关注人员数量，和已完成的比例（百分比，四舍五入保留两位小数）。", "input_file": "A镇筛选名单_desensitized.xlsx\nB镇筛选名单_desensitized.xlsx\nC镇筛选名单_desensitized.xlsx\nD社区筛选名单_desensitized.xlsx\n居家上门已服务人员名单.xlsx", "output_type": "数值统计", "reference": "A镇剩余566人，完成率为7.36%。\nB镇剩余232人，完成率为5.31%。\nC镇剩余1274人，完成率为6.73%。\nD镇剩余12人，完成率为63.64%。", "rubrics": null} +{"id": "QA_82", "question": "统计所有文件中生鲜类目的销售额总量，计算其在整体数据中的占比，以百分比形式输出，保留2位小数。使用销售额。输出格式为：生鲜占比 = XX.XX%，并同时给出生鲜的绝对值和总体的绝对值作为参考。", "input_file": "2025-01-01-2025-11-18达人推广榜年榜_生鲜_脱敏_代号版.xlsx\n2025-01-01-2025-11-18品牌销售榜年榜_生鲜_脱敏_代号版.xlsx\n2025-01-01-2025-11-18品牌自营榜年榜_生鲜_脱敏_代号版.xlsx\n2025-10种草品牌榜月榜_生鲜_脱敏_代号版.xlsx\n20250821-20251118_生鲜_直播趋势_脱敏_代号版.xlsx\n20250821-20251118商品数据大盘_生鲜_带货趋势_脱敏_代号版.xlsx\n品牌销售榜_2025抖音商城618好物节_生鲜_脱敏_代号版.xlsx", "output_type": "数值统计", "reference": "生鲜销售额 4663600000元\n 总体销售额 5201125000元\n 生鲜占比 89.66%", "rubrics": null} +{"id": "QA_83", "question": "请基于这个文件，帮我找出在这段时间内，单日‘浏览量’最高的那一天具体是哪一天（年/月/日）？并且告诉我，那一天的‘视频销售额’处于哪个区间？", "input_file": "20250821-20251118商品数据大盘_生鲜_带货趋势.xls", "output_type": "数值统计", "reference": "单日浏览量最高的是2025年9月25日，当天的视频销售额处于5000w-7500w区间。", "rubrics": null} +{"id": "QA_84", "question": "计算所有文件中与\"商品单价\"或\"平均价格\"语义最匹配的数值字段的总体平均值，忽略缺失值和非正数值，结果保留2位小数，输出格式为\"平均单价：XX.XX元\"。", "input_file": "2025-01-01-2025-11-18达人推广榜年榜_生鲜_脱敏_代号版.xlsx\n2025-01-01-2025-11-18品牌销售榜年榜_生鲜_脱敏_代号版.xlsx\n2025-01-01-2025-11-18品牌自营榜年榜_生鲜_脱敏_代号版.xlsx\n2025-10种草品牌榜月榜_生鲜_脱敏_代号版.xlsx\n20250821-20251118_生鲜_直播趋势_脱敏_代号版.xlsx\n20250821-20251118商品数据大盘_生鲜_带货趋势_脱敏_代号版.xlsx\n品牌销售榜_2025抖音商城618好物节_生鲜_脱敏_代号版.xlsx", "output_type": "数值统计", "reference": "平均单价：90.74元", "rubrics": null} +{"id": "QA_85", "question": "统计表格中\"公司名称\"列（或与\"公司名称\"语义最匹配的列）每个不同公司出现的次数，按出现次数从高到低排序，输出前10名公司及其出现次数。公司总数少于10个则输出全部。输出内容包含两项数据：第一项为\"公司名称\"，第二项为\"出现次数\"。", "input_file": "001.xlsx", "output_type": "数值统计", "reference": "│ --- 公司代号出现次数统计 --- │\n│ 公司代号: 公司_18, 出现次数: 11 │\n│ 公司代号: 公司_6, 出现次数: 6 │\n│ 公司代号: 公司_14, 出现次数: 4 │\n│ 公司代号: 公司_1, 出现次数: 3 │\n│ 公司代号: 公司_2, 出现次数: 3 │\n│ 公司代号: 公司_9, 出现次数: 3 │\n│ 公司代号: 公司_4, 出现次数: 2 │\n│ 公司代号: 公司_5, 出现次数: 2 │\n│ 公司代号: 公司_11, 出现次数: 2 │\n│ 公司代号: 公司_12, 出现次数: 2 ", "rubrics": null} +{"id": "QA_86", "question": "统计每个不同客户负责人分别对应多少个不同的\"客户层级\"值（即每个业务下客户层级的去重计数，不包含未知层级）。输出为markdown形式，包含两列内容：第一列为\"客户负责人\"，第二列为\"客户层级数\"（该业务下不同客户层级的个数），按客户层级数降序排列，保留全部业务（不限制Top N）。", "input_file": "工作簿1.xlsx", "output_type": "数值统计", "reference": "| 客户负责人 | 客户层级数 |\n| :--- | :--- |\n| usr_11 | 4 |\n| usr_14 | 4 |\n| usr_13 | 4 |\n| usr_4 | 4 |\n| usr_8 | 4 |\n| usr_15 | 4 |\n| usr_2 | 4 |\n| usr_6 | 3 |\n| usr_1 | 3 |\n| usr_16 | 3 |\n| usr_12 | 3 |\n| usr_18 | 3 |\n| usr_19 | 3 |\n| usr_3 | 3 |\n| usr_10 | 2 |\n| usr_17 | 2 |\n| usr_9 | 2 |\n| usr_5 | 1 |\n| usr_7 | 0 |", "rubrics": null} +{"id": "QA_87", "question": "统计客户名称为\"user_2\"的记录，2025年10月、11月（按发货日期判断）的订货总金额和毛利总额。订货金额和毛利均保留2位小数，若数据中无明确的毛利字段则用\"销售金额-成本金额\"计算。输出格式为markdown形式，列名：时间范围、订货总金额、毛利总额。", "input_file": "销售单明细账.xlsx", "output_type": "数值统计", "reference": "| 时间范围 | 订货总金额（元） | 毛利总额（元） |\n| :--- | :--- | :--- |\n| 2025 年 10 月 | 0.00 | -1400.00 |\n| 2025 年 11 月 | 0.00 | 0.00 |", "rubrics": null} +{"id": "QA_88", "question": "统计该文件中所有项目的\"项目类型\"去重后的种类数量，以及所有项目的\"项目金额\"字段的总和（保留2位小数）。输出格式为markdown形式，包含两个数值：项目类型数量（整数）和项目金额总数（数值，单位与原数据一致）。", "input_file": "gx四类专项整治情况统计表.xls", "output_type": "数值统计", "reference": "| 统计项目 | 结果 |\n| :------------ | :------------ |\n| 项目类型（去重后）种类数量 | 3 种（服务、货物、工程） |\n| 所有项目金额总和 | 3563.03 万元 |", "rubrics": null} +{"id": "QA_89", "question": "统计Excel文件中的调查数据，计算以下指标并以markdown形式输出：\n 1. 总参与人数（所有记录数）\n 2. 有效数据数量（排除标记为\"\"境外\"\"的记录后的数量）\n 3. 无效数据数量（标记为\"\"境外\"\"的记录数量）\n 4. 涉及省份总数（去重后的省份数量，排除境外）\n 5. 参与人数最多的前10个省份名称及对应人数，按人数降序排列", "input_file": "1-基础信息-包括境外-1020.xlsx", "output_type": "数值统计", "reference": "## 一、核心统计指标汇总\n\n| 统计指标 | 对应数值 |\n| :--- | :--- |\n| 总参与人数（所有记录数） | 9,176人 |\n| 有效数据数量（排除境外） | 9,175人 |\n| 无效数据数量（境外记录） | 1人 |\n| 涉及省份总数（排除境外） | 29个 |\n\n## 二、参与人数最多的前10个省份\n\n按参与人数降序排列，前10名省份如下：\n\n| 排名 | 省份名称 | 参与人数 |\n| :--- | :--- | :--- |\n| 1 | 江苏省 | 2,087人 |\n| 2 | 山东省 | 1,946人 |\n| 3 | 浙江省 | 1,153人 |\n| 4 | 湖南省 | 1,084人 |\n| 5 | 江西省 | 431人 |\n| 6 | 陕西省 | 359人 |\n| 7 | 山西省 | 288人 |\n| 8 | 广西壮族自治区 | 286人 |\n| 9 | 河北省 | 245人 |\n| 10 | 福建省 | 161人 |", "rubrics": null} +{"id": "QA_90", "question": "统计文件中所有记录的性别、年龄段和调查身份分布情况，输出形式为markdown格式，具体包含以下内容：\n 1. 性别统计：男性人数、女性人数及各自占总人数的百分比（保留2位小数）\n 2. 年龄段统计：统计6-12岁（含边界）、13-17岁（含边界）、18-22岁（含边界）、23岁以上（不含23岁）各年龄段的人数及占总人数的百分比（保留2位小数）\n 3. 调查身份统计：大学生、中学生、小学生、校外青少年各身份的人数及占总人数的百分比（保留2位小数）\n 所有百分比需标注\"%\"符号。缺失值处理：性别、年龄、身份字段若为空则该记录不参与对应维度的统计，总人数以实际有效记录数为准。", "input_file": "1-基础信息-包括境外-1020.xlsx", "output_type": "数值统计", "reference": "\n## 1. 性别分布统计\n| 性别 | 人数 | 占比 |\n|------|------|------|\n| 男性 | 3,725 | 40.60% |\n| 女性 | 5,451 | 59.40% |\n\n---\n\n## 2. 年龄段分布统计\n| 年龄段 | 人数 | 占比 |\n|--------|------|------|\n| 6-12岁（含边界） | 587 | 6.40% |\n| 13-17岁（含边界） | 2,925 | 31.88% |\n| 18-22岁（含边界） | 5,282 | 57.56% |\n| 23岁以上（不含23岁） | 242 | 2.64% |\n\n---\n\n## 3. 调查身份分布统计\n| 调查身份 | 人数 | 占比 |\n|----------|------|------|\n| 大学生 | 5,283 | 57.57% |\n| 中学生 | 3,157 | 34.40% |\n| 小学生 | 417 | 4.54% |\n| 校外青少年 | 319 | 3.48% |\n\n---", "rubrics": null} +{"id": "QA_91", "question": "统计货品名称包含\"棒棒糖\"的商品在价格降至18元（含18元）之后，相关客户的销量是否相比价格降至18元之前出现增长。具体要求：\n 1. 识别货品名称中与\"棒棒糖\"语义最匹配的商品名称字段和价格字段\n 2. 筛选出该商品价格等于18元的所有销售记录，提取对应的客户\n 3. 对每个客户，分别计算价格降至18元之前和之后的销量总和（销量字段为数量相关列）\n 4. 对比前后销量，计算增长量和增长率（增长率 = (降价后销量 - 降价前销量) / 降价前销量 × 100%，保留2位小数）\n 5. 输出markdown形式，列名为：客户名称、降价前销量、降价后销量、销量增长量、增长率（%），按增长率降序排列\n 6. 若某客户降价前销量为0或缺失，则该客户标注为\"无法计算增长率\"\n 7. 若数据中无法明确区分降价前后时间节点，则以首次出现价格=18的日期作为分界点", "input_file": "近6个月销售单明细账.xlsx", "output_type": "数值统计", "reference": "| 客户名称 | 降价前销量 | 降价后销量 | 销量增长量 | 增长率（%） |\n| :------ | :---- | :---- | :---- | :------ |\n| usr\\_48 | 1860 | 2556 | 696 | 37.42 |\n| usr\\_24 | 156 | 180 | 24 | 15.38 |\n| usr\\_52 | 300 | 300 | 0 | 0.00 |\n| usr\\_67 | 11761 | 11496 | -265 | -2.25 |\n| usr\\_53 | 2660 | 1998 | -662 | -24.89 |\n| usr\\_10 | 84 | 44 | -40 | -47.62 |\n| usr\\_60 | 1008 | 492 | -516 | -51.19 |\n| usr\\_59 | 0 | 360 | 360 | 无法计算增长率 |\n| usr\\_28 | 0 | 516 | 516 | 无法计算增长率 |\n| usr\\_47 | 0 | 564 | 564 | 无法计算增长率 |", "rubrics": null} +{"id": "QA_92", "question": "计算指定货位名称的用药人群年龄分布占比与性别分布占比。具体要求如下：\n1. 筛选条件\n货位名称：I,K,A,B；\n2. 核心计算定义\n（1）年龄分布占比\n先对筛选后的购药记录，按 “年龄” 字段分组（分组：≤50 岁、51-60 岁、61-70 岁、＞70 岁）；\n某年龄组占比 =（该年龄组的购药记录数 / 有效总记录数）×100%；\n若某条记录 “年龄” 字段缺失，该记录不参与年龄分布统计，但需单独标注 “缺失年龄的购药记录数” 及占比（缺失记录数 / 有效总记录数）。\n（2）性别分布占比\n对筛选后的购药记录，按 “性别” 字段分类（以数据中实际值为准，如 “男”“女”“未标注” 等）；\n某性别占比 =（该性别的购药记录数 / 有效总记录数）×100%；\n若 “性别” 字段缺失，归为 “未标注” 类别统计，不排除该记录。\n3. 计算逻辑\n有效总记录数：满足上述筛选条件（时间、地区药店、药品）且购买日期非空的购药记录总数；\n各维度分子：对应年龄组的记录数、对应性别的记录数；\n占比计算：百分数保留 2 位小数，确保所有同维度占比之和为 100%（或因小数保留存在 ±0.01 的误差）。\n4. 输出格式：\nmarkdown格式，\n举例：### 年龄分布统计\n| 年龄分组 | 购药记录数 | 占比 |\n|------------|------------|---------|\n| ≤50 岁 | X | X.XX% |\n| 51-60 岁 | X | X.XX% |\n| ... | ... | ... |\n| 缺失年龄 | X | X.XX% |\n\n### 性别分布统计\n| 性别 | 购药记录数 | 占比 |\n|--------|------------|---------|\n| 男 | X | X.XX% |\n| 女 | X | X.XX% |\n| 未标注 | X | X.XX% |", "input_file": "25.1.1-10.31.xls", "output_type": "数值统计", "reference": "### 年龄分布统计表格\n| 年龄分组 | 购药记录数 | 占比 |\n|------------|------------|---------|\n| ≤50 岁 | 78 | 8.33% |\n| 51-60 岁 | 313 | 33.44% |\n| 61-70 岁 | 314 | 33.55% |\n| ＞70 岁 | 180 | 19.23% |\n| 缺失年龄 | 51 | 5.45% |\n\n### 性别分布统计表格\n| 性别 | 购药记录数 | 占比 |\n|----------|------------|---------|\n| 男 | 484 | 51.71% |\n| 女 | 414 | 44.23% |\n| 未标注 | 38 | 4.06% |", "rubrics": "1、必须为markdown格式；\n2、每个数据与参考答案对应相等，保留两位小数且带百分号。"} +{"id": "QA_93", "question": "1、医保统筹最多的货位名称是？\n2、该店有记录的购药平均年龄是？四舍五入至整数，且只给出数字。\n3、该店购买人数中，有效随访的占比多少？保留两位小数，带百分号。有效随访总结定义：随访总结字段中有病情或用药信息。\n分三行给出三个问题的回答。", "input_file": "4家项目药店支付结构分析.xlsx\n项目药店.xlsx", "output_type": "数值统计", "reference": "C；\n47；\n58.65%", "rubrics": "1、分三行给出三个问题的回答。\n2、数据和参考答案一致。"} +{"id": "QA_94", "question": "报告中的预估基因组大小数值为？只输出数值即可。", "input_file": "齿叶睡莲.pdf", "output_type": "数值统计", "reference": "1713.74 Mb", "rubrics": null} +{"id": "QA_95", "question": "根据表中的工时比例，计算每个项目应分配的工资金额。具体要求：\n 1. 识别表中第一行含有\"比例\"的列，将其列数作为项目数量，分配权重定义：将指定列的所有数据相加作为分母，该列数据之和作为分子，其比值为最终分配权重；\n 2. 识别与\"工资\"或\"总工资\"相关的表格对应的“合计”数据，取最大值作为总工资，总工资除以项目数量，即每个项目待分配总额；\n 3. 计算公式：每个项目分配工资 = 每个项目待分配总额 × 该项目分配权重\n 4. 按列的顺序分别输出分配的工资数，每一行是一个项目的工资数；\n 5. 分配工资保留2位小数", "input_file": "6f11_测试2_工时分配比例.xlsx", "output_type": "数值统计", "reference": "4853.58\n3466.02\n2772.96\n5893.18\n19067.10\n22186.59\n7280.02", "rubrics": null} +{"id": "QA_96", "question": "14个城市的住房公积金2024年年度报告文档中，每个城市\"缴存人提取住房公积金\"这一指标的数值。将14个城市按该数值从大到小降序排列，输出一个包含\"城市名称\"和\"提取���额（亿元）\"两列的表格，表格中数据不需带单位。若文档中数据带有逗号，无需去掉，直接提取原数据即可。所有数据保留两位小数，文档中只有一位或没有小数的，需要补0", "input_file": "北京市住房公积金2024年年度报告.docx\n成都市住房公积金2024年年度报告.docx\n东莞市住房公积金2024年年度报告.docx\n佛山市住房公积金2024年年度报告.docx\n广州市住房公积金2024年年度报告.docx\n杭州市住房公积金2024年年度报告.docx\n合肥市住房公积金2024年年度报告.docx\n南京市住房公积金2024年年度报告.docx\n宁波市住房公积金2024年年度报告.docx\n青岛市住房公积金2024年年度报告.docx\n上海市住房公积金2024年年度报告.docx\n深圳市住房公积金2024年年度报告.docx\n苏州市住房公积金2024年年度报告.docx\n武汉市住房公积金2024年年度报告.docx", "output_type": "数值统计", "reference": "城市名称 提取数额（亿元）\n北京市 2,631.25\n上海市 1693.90\n广州市 1132.68\n深圳市 1,036.00\n杭州市 842.90\n成都市 693.19\n苏州市 583.69\n南京市 577.36\n武汉市 506.37\n宁波市 312.81\n合肥市 293.70\n青岛市 281.65\n佛山市 181.91\n东莞市 155.64", "rubrics": null} +{"id": "QA_97", "question": "针对文件\"AI使用调研.xlsx\"中的数据，统计多选题\"你通常使用AI工具来完成哪些工作?\"的8个选项，每个选项分别在不同序列人群中的选择率，并输出每个选项选择率最高的人群序列及其对应的选择率百分比（保留2位小数）。最终以表格形式输出，包含列：选项名称、Top1人群（选择率%）。输出markdown表格", "input_file": "AI使用调研.xlsx", "output_type": "数值统计", "reference": "| 选项名称 | Top1人群（选择率%） |\n|----------|---------------------|\n| 不使用 | I (79.41%) |\n| 其他（请填写） | I (40.65%) |\n| 内容制作 | J (54.13%) |\n| 办公效率 | G (26.78%) |\n| 市场调研 / 信息搜索 | G (26.75%) |\n| 文案创作 / 内容策划 | I (21.44%) |\n| 编码 / 查bug / 生成文档 | G (86.18%) |\n| 设计 / 制图 / 视频制作 | J (24.34%) |", "rubrics": null} +{"id": "QA_98", "question": "统计该文件中，按\"二级行业\"分组，计算每个二级行业的现金收入均值。输出结果为一个二列表格：第一列为\"二级行业\"名称，第二列为\"收入均值\"（整数）。结果按收入均值数量降序排列，数值相同则按二级行业名称字母升序排列。", "input_file": "5_文娱-区域.xlsx", "output_type": "数值统计", "reference": "二级行业 收入均值\n\nG 228602\nE 158531\nF 120681\nA 86773\nC 28146\nD 8932\nB 0", "rubrics": null} +{"id": "QA_99", "question": "基于\"中国城市宜居度数据.csv\"中的所有宜居度相关指标，计算每个城市的综合宜居度得分，按得分降序排列后输出前3名城市。对于每个推荐城市，需要说明：(1) 综合得分值（保留2位小数）；(2) 该城市在哪些关键指标上表现突出（列出得分最高的前3个指标及其数值，所有数据保留2位小数）。填入以下表格：\n城市名 | 综合得分 | 突出指标1 | 突出指标2 | 突出指标3\n--- | --- | --- | --- | ---\n | | | | \n | | | | \n | | | | \n综合宜居度得分规则：按行计算每个城市的各指标得分平均数。", "input_file": "中国城市宜居度数据.csv", "output_type": "数值统计", "reference": "城市名 | 综合得分 | 突出指标1 | 突出指标2 | 突出指标3\n--- | --- | --- | --- | ---\n北京市 | 37.95 | 养老保险覆盖率(%)：100.00 | PM2.5年均值：79.00 | 幸福指数：72.90\n西安市 | 37.93 | 养老保险覆盖率(%)：96.30 | 幸福指数：81.30 | PM2.5年均值：76.00\n武汉市 | 36.89 | 养老保险覆盖率(%)：90.80 | 幸福指数：82.30 | PM2.5年均值：67.00", "rubrics": null} +{"id": "QA_100", "question": "根据提供的Excel文件中15分钟内4组CO2排放数据，计算每组的排放速率（单位：ppm/min，保留2位小数）和线性拟合的R²系数（保留4位小数），并将结果整理成表格输出。表格需包含以下列：组别、排放速率、R²系数。表格按组别顺序排列（第1组到第4组）。排放速率计算方式为：对每组数据的CO2浓度值与时间进行线性回归，斜率即为排放速率；R²系数为该线性回归的决定系数。数据中存在缺失值，该数据点不参与计算。最终以Markdown表格形式输出结果。", "input_file": "2025-11-04_11：27-_11：42_CO2.xlsx", "output_type": "数值统计", "reference": "组别 排放速率 (ppm/min) R²系数\n 第1组 71.02 0.9986\n 第2组 82.41 0.9816\n 第3组 72.32 0.9991\n 第4组 73.28 0.9751", "rubrics": null} +{"id": "QA_101", "question": "对文件\"32——实验1联赛.xlsx\"中的数据，将\"比分\"列二值化为\"主胜\"（赋值1）和\"主不胜\"（赋值0），然后计算数据集中除\"比分\"列外的所有数值型列与该二值化目标变���之间的皮尔逊相关系数。输出结果为一个两列表格：第一列为\"指标名称\"（各数值型列的列名），第二列为\"相关系数\"（保留4位小数），按相关系数的绝对值降序排列，输出全部指标的相关系数（不限制Top N）。", "input_file": "32——实验1联赛.xlsx", "output_type": "数值统计", "reference": "指标名称 相关系数\n同客实力1修正 0.8491\n同客实力2修正 0.8399\n 同客实力1 0.8102\n 同客实力2 0.7967\n同主实力1修正 0.7712\n同主实力2修正 0.7702\n 同客指数修正 0.7412\n 同主实力1 0.7020\n 同主实力2 0.7001\n 同客指数 0.6817\n 同主指数修正 0.6208\n 同主指数 0.5648\n 同类概率 0.4944\n 基础概率 0.3474\n 盘口概率 0.3275\n 初盘大 0.2273\n 马会终盘 0.1624\n 马会水位 -0.0893\n 终盘水位 -0.0454\n 水位 -0.0377", "rubrics": null} +{"id": "QA_102", "question": "从表格中筛选出2014年3月1日至2014年7月31日（含边界）期间的数据，按日期（精确到天）分组，计算每天45KFK字段的用量之和（忽略空值），得到一组\"日用量总和\"数据。然后统计这组日用量总和中每个不同数值出现的次数，并按用量值升序排列。最后计算累积频率，找出累积概率首次达到或超过95%时对应的用量值（即95%分位数），输出该用量值，保留2位小数。", "input_file": "12.01_desensitized.xlsx", "output_type": "数值统计", "reference": 1.24, "rubrics": null} +{"id": "QA_103", "question": "计算25Q3外包考核用户数据中所有外包人员的绩效总分平均值（保留2位小数）；同时统计高绩效人员占比和低绩效人员占比（均保留2位小数并以百分号形式输出）。其中：高绩效定义为总分≥4且≤5；低绩效定义为总分<3（不包含3分）。计算占比时，分母为所有有效总分记录数（忽略总分缺失的行）。输出结果为文本形式，包含三个数值：平均分、高绩效占比、低绩效占比。", "input_file": "25Q3外包考核用户数据.xlsx", "output_type": "数值统计", "reference": "平均分：3.93 高绩效占比：58.48% 低绩效占比：1.78%", "rubrics": null} +{"id": "QA_104", "question": "对\"20250901-20250930-对公.xls\"文件进行收入金额统计，输出一个透视表格，行为交易日期（按日期升序排列，日期范围为2025-09-01至2025-09-30，缺失日期需补齐并填充金额为0），列为交易用途分类（按以下规则生成列标题）：\n 1. 交易用途字段的数字尾数为\"9995\"，该笔交易的收入金额统计到列标题\"9995\"中\n 2. 交易用途字段的数字尾数为\"0677\"，该笔交易的收入金额统计到列标题\"0677\"中\n 3. 交易用途字段包含\"抖音支付\"文本（不区分大小写），该笔交易的收入金额统计到列标题\"抖音支付\"中\n 4. 其余交易按交易用途字段的原始值作为列标题（去除首尾空格，同一日期同一用途有多笔则求和）\n 每个单元格的值为对应日期、对应用途分类下的收入金额总和（保留2位小数）。某日期某用途无交易则填0。输出结果按日期升序排列，列顺序为：9995、0677、抖音支付、其他用途（其他用途列按首次出现顺序排列）。", "input_file": "20250901-20250930-对公.xlsx", "output_type": "数值统计", "reference": "| 列标题 | 分类规则 | 月度总收入 |\n| 9995| 交易用途数字尾数为\"9995\" | 44,196.71 元 |\n| 0677| 交易用途数字尾数为\"0677\" | 12,192.98 元 |\n| 支付平台B** | 交易用途包含\"支付平台B\"文本 | 1,113.20 元 |\n| 其他用途** | 按原始值分类（首次出现顺序） | 39,726.56 元 |", "rubrics": null} +{"id": "QA_105", "question": "统计数据中\"年龄\"字段（或与年龄语义最匹配的列）的分布，按照以下四个区间进行分类计数：[0,29]、[30,39]、[40,49]、[50,+∞)，输出一个包含两列的结果表格，第一列为\"年龄区间\"（文本格式：\"0-29\"、\"30-39\"、\"40-49\"、\"50以上\"），第二列为\"人数\"（整数），按区间顺序排列。年龄缺失值不参与统计，年龄为负数或明显异常值（如>120）视为无效数据剔除。", "input_file": "人力资源.xlsx", "output_type": "数值统计", "reference": "\n 年龄区间 人数\n 0-29 1504\n 30-39 2390\n 40-49 3940\n 50以上 2236", "rubrics": null} +{"id": "QA_106", "question": "将上传的所有Excel文件中的股东数据整合为一个总表，按以下规则输出：\n 1. 单位排列顺序严格按照：二，三，四、甲、乙、A、B社（若某单位在数据中不存在则跳过）\n 2. 每个单位输出格式为：\"XXX单位：总计：XX人，在职：XX人，退休：XX人\"（数字为实际统计值）\n 3. 每个单位下方列出该单位所有人名，每行排列6个人名，人名之间用空格或制表符分隔\n 4. 统计规则：总计=在职人数+退休人数；若数据中存在\"状态\"或\"类型\"字段，\"在职\"包含值为\"在职\"的记录，\"退休\"包含值为\"退休\"的记录；若无此类字段则根据与\"在职/退休\"语义最匹配的列判断\n 5. 人名去重规则：同一单位内，若姓名完全相同则视为同一人，仅统计一次\n 6. 输出为纯文本", "input_file": "AB社.xlsx\n甲乙股东.xlsx\n二，三，四股东.xlsx", "output_type": "数值统计", "reference": "二社单位：总计：87人，在职：22人，退休：65人\n何丽勇 何丽秀 何明敏 刘杰华 刘洋艳 吴伟芳\n吴洋艳 吴秀杰 孙伟华 孙华军 孙强强 孙明艳\n孙艳秀 孙芳伟 张敏勇 张磊芳 张秀芳 徐明静\n徐艳文 徐静丽 朱华敏 朱强英 朱文伟 朱杰杰\n朱杰洋 朱英敏 李秀超 李艳敏 李艳杰 杨丽娜\n杨丽秀 杨伟涛 杨秀华 杨秀磊 杨英芳 林丽伟\n林丽洋 林军华 林军娜 林军涛 林敏秀 林芳文\n林静洋 梁华华 梁文丽 梁英秀 梁超明 王军艳\n王娜洋 王强勇 王文丽 王艳艳 王芳洋 罗华艳\n罗秀秀 罗芳勇 罗芳超 胡伟强 胡娜超 胡涛磊\n胡磊伟 赵华艳 赵敏磊 赵明艳 赵杰涛 赵芳丽\n郭华勇 郭敏磊 郭洋杰 郭英敏 郭超勇 郭超超\n陈丽涛 陈丽英 陈涛明 陈静文 马伟文 马娜华\n马杰敏 马英华 马英文 黄伟英 黄勇华 黄勇英\n黄强艳 黄明秀\n\n三社单位：总计：7人，在职：0人，退休：7人\n刘英超 李勇艳 杨勇强 王芳军 陈杰英 陈英洋\n马芳磊\n\n四社单位：总计：35人，在职：8人，退休：27人\n何强杰 何磊勇 何磊洋 何芳军 刘磊艳 吴文涛\n周华超 周文英 张伟丽 张娜超 张强涛 徐敏敏\n徐磊洋 徐超强 朱磊磊 朱艳明 朱芳艳 李丽杰\n李艳华 杨洋芳 林军洋 王丽强 王娜伟 罗强超\n罗明秀 罗涛芳 罗超明 郭静涛 陈杰丽 陈芳敏\n马丽超 马杰文 马洋涛 马英磊 黄敏华\n\n甲社单位：总计：87人，在职：27人，退休：60人\n何军秀 何娜华 何娜文 何娜杰 何文磊 何明勇\n何明芳 何磊明 刘丽丽 刘丽磊 刘丽超 刘伟强\n刘军勇 刘艳静 刘超丽 吴敏杰 吴明涛 吴磊英\n吴秀敏 周强强 周敏伟 周文静 周杰超 周英英\n周静杰 孙华文 孙娜伟 孙强华 孙磊芳 孙艳艳\n孙艳英 孙静丽 张伟华 张强华 张涛涛 张艳伟\n徐杰华 朱丽芳 朱娜娜 朱文军 朱杰明 朱秀明\n朱超静 杨军华 杨强军 杨文洋 杨洋勇 林涛伟\n林涛娜 林英文 林静强 梁文磊 梁磊华 梁磊英\n梁艳勇 梁艳英 王英静 罗军强 罗娜华 罗洋敏\n罗秀涛 罗芳超 罗超勇 罗静芳 胡华勇 胡洋秀\n赵伟艳 郭丽军 郭明芳 郭超超 陈丽磊 陈娜文\n陈秀涛 陈艳丽 陈芳华 陈芳强 陈超强 马华丽\n马杰芳 马超芳 黄丽伟 黄丽强 黄伟勇 黄伟娜\n黄强明 黄艳伟\n\n乙社单位：总计：62人，在职：21人，退休：41人\n何军娜 何军文 刘伟英 刘强涛 刘明勇 刘杰敏\n吴华军 吴华强 吴文华 吴艳超 吴艳静 孙勇丽\n孙强丽 孙洋涛 孙洋静 张丽秀 张丽英 张磊伟\n徐敏英 徐杰超 徐洋勇 朱华磊 朱娜敏 朱明磊\n朱杰勇 李文娜 李杰英 李秀军 李芳英 李静伟\n杨伟英 杨娜静 杨明艳 杨秀静 林勇磊 林文涛\n林洋涛 林艳英 林芳洋 林超芳 梁丽勇 梁杰文\n梁涛静 梁芳强 梁芳芳 王丽秀 罗伟敏 胡娜杰\n胡磊勇 赵强文 赵洋伟 郭伟英 郭强勇 陈丽超\n陈勇娜 陈华伟 陈文丽 陈涛芳 陈秀华 马超秀\n黄娜超 黄明强\n\nA社单位：总计：32人，在职：9人，退休：23人\n何勇文 何磊静 何静明 何静杰 吴娜军 吴秀芳\n张英艳 李洋超 杨敏敏 杨磊英 林丽洋 王丽勇\n王伟丽 王勇强 王勇芳 王明秀 罗强秀 罗超涛\n胡洋丽 胡磊洋 赵勇艳 赵强军 赵文强 郭勇磊\n陈华强 陈杰涛 陈英杰 马军超 马静秀 黄娜娜\n黄艳艳 黄英华\n\nB社单位：总计：28人，在职：6人，退休：22人\n何伟华 何敏文 刘艳强 刘芳杰 张涛磊 徐磊涛\n徐英秀 朱娜强 李娜伟 杨芳明 杨超勇 林娜静\n梁勇磊 梁华伟 罗伟勇 罗秀英 胡超静 郭敏磊\n郭秀杰 郭超艳 陈丽英 陈勇涛 陈静军 马华文\n黄华涛 黄杰丽 黄秀明 黄静静", "rubrics": null} +{"id": "QA_107", "question": "基于数据集中的班组类别字段对受访人员进行分组统计，计算每个班组类别的人数占总受访人数的百分比（保留2位小数，格式如\"25.30%\"），并将统计结果以表格形式呈现。标题\"受访人员班组类别分布分析\"，表格需包含\"班组类别\"“人数”和\"占比(%)\"三列。", "input_file": "营销领域问卷调查分析报告-A省.docx\n营销领域问卷调查分析报告-B省.docx", "output_type": "数值统计", "reference": "| 班组类别 | 人数 | 占比(%) |\n|----------|------|---------|\n| 专业A | 12995 | 97.55% |\n| 专业B | 641 | 4.81% |\n| 专业C | 325 | 2.44% |\n| 专业D | 206 | 1.55% |\n| 专业E | 1396 | 10.48% |\n| 专业F | 2248 | 16.87% |\n| 专业G | 566 | 4.25% |\n| 专业H | 1066 | 8.00% |\n| 专业I | 1599 | 12.00% |\n| 专业J | 5275 | 39.60% |", "rubrics": null} +{"id": "QA_108", "question": "统计A区商品目录中的商品在A市市出口商品目录中的匹配情况：计算A区商品总数、在A市目录中存在的商品数量、不在A市目录中的商品数量，以及匹配率（保留2位小数，以百分比形式呈现）。匹配依据为商品编码或商品名称的完全一致（优先使用商品编码，若编码缺失则使用商品名称进行匹配）。输出结果为一个汇总表格，包含：A区商品总数、匹配商品数、未匹配商品数、匹配率四个字段。直接输出文本即可", "input_file": "A市+A区出海商品目录.xlsx", "output_type": "数值统计", "reference": "A区商品总数 186\n 匹配商品数（A市目录中存在） 152\n 未匹配商品数（A市目录中不存在） 34\n 匹配率 81.72%", "rubrics": null} +{"id": "QA_109", "question": "基于《人才盘点厨师长评审结果0730.xlsx》和《厨师长人才画像.xlsx》两个文件，计算每位厨师长在各项能力维度上的\"实际评审得分\"与\"人才画像标准要求分数\"之间的差距值（差距值 = 标准分 - 实际分），按能力维度汇总所有厨师长的平均差距，识别出平均差距最大的前3项能力维度，输出一个包含以下字段的结果表：能力维度名称、标准要求分数、实际平均得分、平均差距值、差距率（平均差距/标准分×100%，保留2位小数并加%符号）。结果按平均差距值降序排列，仅输出Top 3。", "input_file": "厨师长人才画像.xlsx\n人才盘点厨师长评审结果0730.xlsx", "output_type": "数值统计", "reference": "能力维度名称 标准要求分数 实际平均得分 平均差距值 差距率\n 应急处理能力 10 6.69 3.31 33.14%\n 成本控制能力 10 6.75 3.25 32.55%\n 宴席菜单设计能力 10 7.03 2.97 29.71%", "rubrics": null} +{"id": "QA_110", "question": "统计“2025年度询盘数据表.xlsx”中所有sheet里，11月份（2025-11）每个产品的询盘数量。按产品名称分组汇总，输出一个仅包含“产品名称”“11月询盘数量”两列的文本结果，按询盘数量降序排列，保留整数（询盘数为计数值）。若某产品在11月无询盘记录则不出现在结果中。", "input_file": "2025年度询盘数据表.xlsx", "output_type": "数值统计", "reference": "产品名称\n11月询盘数量\n瘦身咖啡\n44\n灵芝菌类咖啡\n37\n男性咖啡\n27\n胶原蛋白液体/粉末\n23\n运动类蛋白粉（乳清）\n21\n瘦身排毒茶\n20\n男性茶\n20\n男性胶囊\n19\n液体咖啡\n19\n胶原蛋白软糖\n17\n谷胱甘肽\n17\n口含烟\n17\nGLP\n15\n肌酸粉\n15\n胶原蛋白\n15\n能量凝胶\n14\n能量胶\n13\n瘦肚子茶/排毒茶\n10\n蜂蜜凝胶\n9\n维生素\n8\n预锻炼（氮泵粉）\n8\nGLP-1\n7\n增肌蛋白粉\n7\n生酮\n7\n乳清蛋白粉\n6\n菌类咖啡\n6\n冻干咖啡\n5\n抹茶\n5\n生物素软糖\n5\n维生素软糖\n5\n胶原蛋白粉\n5\n液体胶原蛋白\n4\n蛋白粉\n4\n男性软糖\n4\nALCAR\n3\n喜来芝\n3\n肌酸\n3\n预锻炼\n3\n丰臀胶囊\n2\n冻干咖啡粉\n2\n咖啡\n2\n咖啡胶囊\n2\n男性咖啡/男性茶\n2\n绿茶\n2\n膳食纤维\n2\nGLP1\n1\nHMB\n1\nNMN\n1\nNAC\n1\nomega3鱼油\n1\n一氧化氮胶囊\n1\n冷萃咖啡\n1\n咖啡粉\n1\n小分子胶原蛋白\n1\n益生菌\n1\n胶囊杯咖啡\n1\n螺旋藻\n1\n辅酶Q10\n1\n乳清蛋白粉（增肌）\n1\n运动类蛋白粉\n1\n人参软糖\n1\n人参蜂蜜凝胶\n1\n前列腺胶囊\n1\n可可黄铜醇\n1\n增重胶囊\n1\n姜黄素\n1\n左旋肉碱\n1\n左旋肉碱液体\n1\n扁桃酸\n1\n抗糖丸\n1\n护肝片\n1\n燃脂咖啡\n1\n瘦身\n1\n瘦身茶\n1\n破壁灵芝孢子粉\n1\n电解质能量\n1\n益生元\n1\n维生素C胶囊\n1\n胶原蛋白肽\n1\n胶原蛋白饮\n1\n能量饮料粉\n1\n咖啡因能量饮料\n1\n玛咖胶囊\n1\n氢水片\n1\n菌菇提取\n1\n生酮蛋白棒\n1\n镁粉\n1", "rubrics": "Top3 明确顺序与数值：瘦身咖啡 44 > 灵芝菌类咖啡 37 > 男性咖啡 27\n有效产品数：11月询盘数量 >0 的产品共 102 个"} +{"id": "QA_111", "question": "基于\"体彩排列3差(4).xlsx\"文件中的历史数据，计算截至最新一期（2025年第314期）的和跨比动力指数（分别计算5期、10期、20期三个周期的和跨比变化率），并根据这三个周期指标的数值大小关系，在历史数据中统计（当期形态，大小关系类别）到下一期形态的转移频数，取下一期形态的条件众数作为对2025年第315期形态的预测。输出格式为：一个明确的形态类别名称（如\"组三\"\"组六\"\"豹子\"等，具体类别以数据文件中已有形态字段的取值为准），以及支撑该预测的三个周期变化率数值（保留4位小数）。数据不足以计算某周期（如总期数<20），则该周期标注为\"数据不足\"。文件中无\"和值\"\"跨度\"或类似可计算和跨比的字段，则使用与\"和\"\"跨度\"语义最接近的数值列进行计算；完全无法识别相关字段，则输出\"无法计算，缺少必要字段\"。", "input_file": "体彩排列3差(4).xlsx", "output_type": "数值统计", "reference": "标准；5期 -0.6887，10期 -0.6406，20期 -0.5918", "rubrics": "预测结果为“标准”\n需要输出最新期的和跨比动力指数"} +{"id": "QA_112", "question": "统计各加盟店在每个月的人均年龄和人均司龄，分别列出人均年龄和人均司龄最高的门店。具体要求：按\"归属门店\"和\"月份\"（格式YYYY-MM）分组，分别计算该店该月所有员工的平均年龄和平均司龄，数值保留2位小数。再在每个月内分别找出：人均年龄最高的“归属门店“及其数值；人均司龄最高的“归属门店“及其数值。输出结果为文本形式，包含列：月份、年龄最高归属门店、最高人均年龄、司龄最高归属门店、最高人均司龄，按月份升序排列。", "input_file": "人力分析_脱敏.xlsx", "output_type": "数值统计", "reference": "月份 年龄最高归属门店 最高人均年龄 司龄最高归属门店 最高人均司龄\n 2025-01 门店0081 45.71 门店0002 4.33\n 2025-02 门店0052 46.17 门店0002 4.28\n 2025-03 门店0088 48.38 门店0029 4.20\n 2025-04 门店0088 49.26 门店0091 4.75\n 2025-05 门店0088 50.24 门店0002 4.05\n 2025-06 门店0088 51.83 门店0002 4.00\n 2025-07 门店0088 51.92 门店0002 4.10\n 2025-08 门店0088 52.36 门店0002 4.10\n 2025-09 门店0088 52.30 门店0002 4.10\n 2025-10 门店0088 52.30 门店0002 4.10", "rubrics": null} +{"id": "QA_113", "question": "读取文件\"济南—终端熔炼_全力以赴_1.docx\"中的微信群聊天记录数据，筛选出所有包含\"装车\"关键词的消息记录，按发送时间升序排列，输出一个包含以下字段的表格：发送人昵称、发送时间（格式YYYY-MM-DD HH:MM:SS）、消息内容。若同一发送人有多条装车消息则全部保留不去重。结果以表格形式呈现，若筛选结果为空则输出\"未找到包含装车信息的记录\"。", "input_file": "济南—终端熔炼_全力以赴_1.docx", "output_type": "数值统计", "reference": "发送人昵称 发送时间（YYYY-MM-DD HH:MM:SS） 消息内容\n工作人员 11 2025-11-18 08:12:38 一组队员装车\n工作人员 12 2025-11-18 08:31:45 二组队员装车\n工作人员 13 2025-11-18 08:38:57 四组队员装车\n工作人员 16 2025-11-18 08:56:50 一组工作人员 16 装车完毕\n工作人员 17 2025-11-18 08:56:50 二组工作人员 17 装车完毕\n工作人员 18_******* 2025-11-18 08:56:50 二组工作人员 18 装车完毕\n工作人员 19 2025-11-18 08:56:50 四组工作人员 19 装车完毕\n工作人员 20 2025-11-18 08:56:50 二组工作人员 20 装车完毕\n工作人员 21 2025-11-18 09:05:19 四组工作人员 21 装车完毕\n工作人员 22 2025-11-18 09:05:19 四组工作人员 22 装车完毕\n工作人员 23 2025-11-18 09:05:19 四组工作人员 23 装车完毕\n工作人员 13 2025-11-18 09:05:19 四组工作人员 13 装车完毕\n工作人员 24 2025-11-18 09:16:54 四组工作人员 24 ���车完毕\n工作人员 25 2025-11-18 09:16:54 二组工作人员 25 装车完毕\n工作人员 26 2025-11-18 09:16:54 四组工作人员 26 装车完毕\n饮品品牌，工作人员 27_******* 2025-11-18 09:24:15 一组工作人员 27 装车完毕", "rubrics": "需完整包含发送人昵称、指定格式发送时间、消息内容3 个字段，无缺失 / 新增字段"} +{"id": "QA_114", "question": "对“福彩3D差(4).xlsx\"文件中2025年第326期的开奖号码，使用数据离散法则进行分析，计算该期三个位置号码（百位、十位、个位）的以下统计指标：(1)极差（最大值-最小值，保留2位小数）；(2)标准差（保留2位小数）；(3)变异系数（标准差/均值，保留2位小数）。将这三个离散程度指标以表格形式输出，表格包含\"指标名称\"和\"数值\"两列。", "input_file": "福彩3D差(4).xlsx", "output_type": "数值统计", "reference": "指标名称 数值\n极差 7.00\n标准差 2.87\n变异系数 0.61", "rubrics": null} +{"id": "QA_115", "question": "从\"各地区住房公积金2024年年度报告.docx\"中，提取每个城市的\"缴存余额\"数值（单位：亿元，保留2位小数）和\"缴存余额增长率\"数值（单位：%，保留2位小数）。分别生成两个排序结果：(1) 按缴存余额从大到小排列的城市列表（包含排名、城市名、缴存余额数值）；(2) 按缴存余额增长率从大到小排列的城市列表（包含排名、城市名、缴存余额增长率数值）。若某城市缺失某项数据，则该城市在对应排序中标注\"数据缺失\"并排在末尾。最终以表格形式输出两个排序结果，表头分别为\"排名、城市、缴存余额（亿元）\"和\"排名、城市、缴存余额增长率（%）\"。", "input_file": "各地区住房公积金2024年年度报告.docx", "output_type": "数值统计", "reference": "排序结果 1：\n排名 城市 缴存余额（亿元）\n1 上海 8645.58\n2 北京 8222.10\n3 深圳 3271.77\n4 广州 3058.97\n5 成都 2281.73\n6 杭州 2280.50\n7 武汉 2192.26\n8 天津 2180.76\n9 南京 2044.98\n10 苏州 2020.38\n11 重庆 1843.72\n12 西安 1666.72\n13 长沙 1372.74\n14 郑州 1331.63\n15 青岛 1066.26\n16 宁波 955.71\n17 合肥 858.29\n18 东莞 732.54\n19 佛山 547.18\n\n排序结果 2：\n排名 城市 缴存余额增长率（%）\n1 苏州 14.31\n2 上海 11.63\n3 东莞 11.61\n4 杭州 11.60\n5 宁波 11.06\n6 西安 10.89\n7 青岛 10.54\n8 合肥 9.62\n9 佛山 8.94\n10 长沙 8.68\n11 北京 8.30\n12 南京 7.96\n13 重庆 7.93\n14 郑州 7.90\n15 武汉 7.81\n16 成都 7.68\n17 广州 6.25\n18 深圳 6.20\n19 天津 6.11", "rubrics": "数据完整性： 全部19个城市的“缴存余额”与“缴存余额增长率”数据均齐备，无“数据缺失”项。\nTop 3 城市明确：\n缴存余额排名：上海 8645.58亿元 > 北京 8222.10亿元 > 深圳 3271.77亿元。\n缴存余额增长率排名：苏州 14.31% > 上海 11.63% > 东莞 11.61%。"} +{"id": "QA_116", "question": "区域4普通高中升学人数是多少", "input_file": "基础教育普及情况.xlsx", "output_type": "数值统计", "reference": 800, "rubrics": null} +{"id": "QA_117", "question": "请你筛选出，身高处于160-165之间的相亲对象，并按照薪资从高到底排序，只要姓名和出生年月日，输出为文本格式。", "input_file": "相亲模拟表_虚拟.xlsx", "output_type": "数值统计", "reference": "1. 姓名：郭涛萍，出生年月日：1979-02-09\n2. 姓名：孙超兰，出生年月日：1981-09-30\n3. 姓名：孙军鹏，出生年月日：1979-10-05\n4. 姓名：郭磊兰，出生年月日：1987-03-10\n5. 姓名：胡娜龙，出生年月日：1980-05-24\n6. 姓名：王磊云，出生年月日：1973-02-27\n7. 姓名：黄霞华，出生年月日：1984-10-11\n8. 姓名：罗艳峰，出生年月日：1974-10-18\n9. 姓名：吴静华，出生年月日：1977-07-27", "rubrics": null} +{"id": "QA_118", "question": "统计出现频率前 10 的药物以及对应次数", "input_file": "现代文献处方.xls", "output_type": "数值统计", "reference": " 1 A药材 74\n 2 AI药材 58\n 3 G药材 48\n 4 AS药材 42\n 5 AL药材 33\n 6 J药材 32\n 7 B药材 30\n 8 P药材 29\n 9 AG药材 29\n 10 Z药材 27", "rubrics": null} +{"id": "QA_119", "question": "请对以上表格中所有药品经行关联分析，查看关联置信度大于 0.6 的所有组合(只包含 2 个药品并且要求antecedents consequents频率都大于 0.1),一共有多少个这样的组合？", "input_file": "现代文献处方.xls", "output_type": "数值统计", "reference": "40 组", "rubrics": null} +{"id": "QA_120", "question": "包含2个药品的组合中，哪组药品组合置信度最高？", "input_file": "现代文献处方.xlsx", "output_type": "数值统计", "reference": "DRUG_D5A58F->DRUG_955C5A的组合，置信度为0.6923。", "rubrics": null} +{"id": "QA_121", "question": "“中药073”->“中药001”的置信度是多少？", "input_file": "现代文献处方.xlsx", "output_type": "数值统计", "reference": 0.625, "rubrics": null} +{"id": "QA_122", "question": "根据提供的数据，计算语数英均分在80分以上的学生数", "input_file": "数据资料02.xlsx", "output_type": "数值统计", "reference": "11人", "rubrics": null} +{"id": "QA_123", "question": "计算该问卷数据总分列的最小值 最大值 均值 标准差。所有数值保留2位小数。", "input_file": "303736591_按文本_英语学习策略现状_231_231.xlsx", "output_type": "数值统计", "reference": "小值: 35.00\n最大值: 175.00\n均值: 117.10\n标准差: 31.03", "rubrics": "数值完全一致才算正确"} +{"id": "QA_124", "question": "计算 \"27、每当感到害怕英语时，我便努力放松自己的\" 最小值 最大值 均值 标准差。（注意把文字分类转化为 1-5 的数字，严重不符 = 1，十分相符 = 5）。所有数字保留两位有效数字", "input_file": "303736591_按文本_英语学习策略现状_231_231.xlsx", "output_type": "数值统计", "reference": "最小值为 1.00，最大值为 5.00，均值为 3.34，标准差为 1.26", "rubrics": "所有数值必须保留两位有效数字且与参考答案一致"} +{"id": "QA_125", "question": "基于“303736591_按文本_英语学习策略现状_231_231.xlsx”，选取从‘4、我通过重复读写来记忆单词’开始至最后一题的所有量表项（共35个变量）。\n首先将5级李克特量表文本（如‘十分相符’至‘严重不符’）转换为对应的数值（5-1分），\n然后计算KMO（Kaiser-Meyer-Olkin）统计量，以评估数据进行因子分析的适切性。\n仅输出KMO的值，不输出别的内容。", "input_file": "303736591_按文本_英语学习策略现状_231_231.xlsx", "output_type": "数值统计", "reference": 0.963, "rubrics": null} +{"id": "QA_126", "question": "哪种配方的成本最低？", "input_file": "成本分析.xlsx", "output_type": "数值统计", "reference": "成本最低的配方是：配方 1\n成本：2.7760 元/公斤", "rubrics": "答出配方1即通过"} +{"id": "QA_127", "question": "请读取文件中的数据，输出2023年春到2023年秋，成绩有显著进步的学生（进步超过10分），成绩有显著退步的学生（退步超过10分）。（输出名字和进步/退步分数，共两列，用markdown形式分别输出）", "input_file": "成绩单1.xlsx", "output_type": "数值统计", "reference": "## 一、成绩显著进步的学生（进步超过10分）\n\n| 学生姓名 | 进步分数 |\n|------------|----------|\n| student_9 | 49分 |\n| student_15 | 36分 |\n| student_16 | 33分 |\n| student_18 | 26分 |\n| student_21 | 20分 |\n| student_22 | 18分 |\n\n---\n\n## 二、成绩显著退步的学生（退步超过10分）\n\n| 学生姓名 | 退步分数 |\n|------------|----------|\n| student_1 | 76分 |\n| student_2 | 70分 |\n| student_3 | 70分 |\n| student_4 | 68分 |\n| student_5 | 62分 |\n| student_6 | 60分 |\n| student_7 | 54分 |\n| student_8 | 53分 |\n| student_10 | 48分 |\n| student_11 | 47分 |\n| student_12 | 43分 |\n| student_13 | 41分 |\n| student_14 | 40分 |\n| student_17 | 30分 |\n| student_19 | 24分 |\n| student_20 | 24分 |", "rubrics": null} +{"id": "QA_128", "question": "作为某大型商超的主管，你拿到了2024年1月至4月的商品销售明细数据表。同一个用户在同1天购买了多次也算作购买1次。请你分析以下问题:将2024年1月首次购买的用户定义为“一月新用户”。将2024年2月首次购买而之前未曾购买过的用户定义为“二月新用户”。\\n1)对于“一月新用户”群体，计算他们在2月、3月和4月每个月的复购率。这里的复购定义为:在当月至少有一次购买行为(不限商品品类)。\\n2)对于“二月新用户”群体，计算他们在3月和4月每个月的复购率。以下方的表格形式输出，| | 一月新用户 | 二月新用户 |\n|------------|------------|------------|\n| 2024年2月 | | |\n| 2024年3月 | | |\n| 2024年4月 | | ，二月新用户对应的2024年2月的数据为空即可", "input_file": "数据资料-DLG23-01.xlsx", "output_type": "数值统计", "reference": "| | 一月新用户 | 二月新用户 |\n|------------|------------|------------|\n| 2024年2月 | 47.28% | |\n| 2024年3月 | 38.02% | 26.57% |\n| 2024年4月 | 39.30% | 25.59%", "rubrics": null} +{"id": "QA_129", "question": "请按照价格区间 100-150、150-200、200-250、250以上 对销售量进行分类汇总。\n统计每个区间的：销售量总计、记录数量、平均销售量、销售量占比（%）。占比保留2位小数。\n结果请以 Markdown 表格形式输出，表头为：\n| 价格区间（元） | 销售量总计 | 记录数量 | 平均销售量 | 销售量占比(%) |\n并且仅输出该 Markdown 表格，用 ```md 代码块包裹，��要输出任何额外说明文字。", "input_file": "26市场需求量变化趋势分析客单价（价格）偏好.xlsx", "output_type": "数值统计", "reference": "| 价格区间（元） | 销售量总计 | 记录数量 | 平均销售量 | 销售量占比(%) |\n|---|---:|---:|---:|---:|\n| 100-150 | 12941213 | 6 | 2156868.83 | 6.17 |\n| 150-200 | 61760558 | 15 | 4117370.53 | 29.46 |\n| 200-250 | 57088422 | 18 | 3171579 | 27.23 |\n| 250以上 | 77824135 | 8 | 9728016.88 | 37.13 |\n| 总计 | 209614328 | 47 | 4459879.32 | 100 |", "rubrics": "最后一行总计没答，别的都答出来了算对"} +{"id": "QA_130", "question": "1. 表2和表3有重复数据吗？\n2. 表2 的数据在表 3 全部都有吗？\n请给我输出文字", "input_file": "test.xlsx", "output_type": "数值统计", "reference": "1. 存在重复数据\n2. 表 2 的数据并非在表 3 中全部存在", "rubrics": "需要回复到：\n1. 存在重复\n2. 并非全部都有"} +{"id": "QA_131", "question": "这里面总共有多少条商品数据？", "input_file": "旗舰店数据.xlsx", "output_type": "数值统计", "reference": "300条", "rubrics": null} +{"id": "QA_132", "question": "这里面总共有多少条数据？", "input_file": "用户评论数据更新.xlsx", "output_type": "数值统计", "reference": "一共14250条数据", "rubrics": null} +{"id": "QA_133", "question": "算出男生总成绩的样本方差", "input_file": "中学体测成绩_八年级0.xlsx", "output_type": "数值统计", "reference": 105.1127, "rubrics": null} +{"id": "QA_134", "question": "分别列出各个部门有多少项竞赛", "input_file": "2024年大学生竞赛项目.xlsx", "output_type": "数值统计", "reference": "部门A有31个项目,部门B有25个项目,部门C有29个项目,部门D有43个项目,部门E有2个项目,部门F有3个项目,部门G有2个项目", "rubrics": null} +{"id": "QA_135", "question": "某大类微生物检出频率=该类微生物的总检出例数/总例数。该类微生物的总检出例数（比如某患者检出某一或多个革兰氏阴性细菌，即算检出1例革兰氏阴性细菌大类）。请基于 “02 高剂量组 ——28 例.xlsx” 文件中的数据，按 “例数 (检出频率 %)”（如 14 (93.33%)）的格式，计算并输出各大类微生物的检出结果。", "input_file": "02 高剂量组——28例.xlsx", "output_type": "数值统计", "reference": "革兰氏阴性细菌大类（G-)的总感染率为22(78.57%)，革兰氏阳性细菌大类(G+)的总感染率为7(25.00%)，真菌的总感染率为6(21.43%)", "rubrics": "按 “例数 (检出频率 %)”（如 14 (93.33%)）的格式输出3类微生物检出结果\n"} +{"id": "QA_136", "question": "帮我提取出“科”这一列中不同项的具体内容，即去除重复值", "input_file": "2024年树木数据.xlsx", "output_type": "数值统计", "reference": "一共有 44 个科:\n漆树科、桑科、金缕梅科、樟科、橄榄科、云实科、山茶科、无患子科、冬青科、鼠李科、梧桐科、壳斗科、松科、木兰科、酢浆草科、榆科、芸香科、木犀科、桃金娘科、楝科、木棉科、夹竹桃科、含羞草科、大戟科、蔷薇科、三尖杉科、豆科、藤黄科、苦木科、紫草科、大风子科、柏科、马鞭草科、紫葳科、罗汉松科、红树科、银杏科、木麻黄科、瑞香科、杉科、椴树科、柿科、槭树科、山柑科", "rubrics": null} +{"id": "QA_137", "question": "哪种科的数量最多？", "input_file": "XX市古树名木数据.xlsx", "output_type": "数值统计", "reference": "数量最多的科是：无患子科，出现的次数为：786次", "rubrics": null} +{"id": "QA_138", "question": "根据我上传的数据，找出入库量前三的货品。如果遇到入库量数量相等打平的情况，优先选择货品编号名称内包含的数字的数值小的", "input_file": "采购年度数据_脱敏.xlsx", "output_type": "数值统计", "reference": "货品编号 总入库量\nitem15 444689\nitem390 341993\nitem395 222152", "rubrics": "需要回答出“item15”、“item390”、“item395”"} +{"id": "QA_139", "question": "汇总“广告帆布包”、“中性签字笔”、“活动水杯“进货成本的总额，不区分款式和颜色", "input_file": "礼品采购明细.xlsx", "output_type": "数值统计", "reference": "“广告帆布包”进货成本的总额为 16640，“中性签字笔”进货成本的总额为 13380，“活动水杯“进货成本的总额为 8510", "rubrics": null} +{"id": "QA_140", "question": "基于“2024年动供分解工序能耗.xlsx”，计算动供分给六高炉的脱盐水月累计，仅输出月累计“XXX（单位）”。", "input_file": "2024年动供分解工序能耗.xlsx", "output_type": "数值统计", "reference": "7484吨", "rubrics": null} +{"id": "QA_141", "question": "二月份，六号净化站自耗电月用量是多少？", "input_file": "2024年动供分解工序能耗.xlsx", "output_type": "数值统计", "reference": "15916.35382kw.h", "rubrics": null} +{"id": "QA_142", "question": "查看动供分解给四高炉的原始数据。（行为月份，列包含蒸汽、脱盐水（补水）），用markdown形式输出", "input_file": "2024年动供分解工序能耗.xlsx", "output_type": "数值统计", "reference": "| 月份 | 一月 | 二月 | 三月 | 四月 | 五月 | 六月 | 七月 | 八月 | 九月 | 十月 | 十一月 | 十二月 |\n|:----------|-------:|-------:|-------:|-------:|-------:|-------:|-------:|-------:|-------:|-------:|---------:|---------:|\n| 蒸汽 | 210 | 40 | 30 | 0 | 240 | 392.16 | 333.214 | 425.205 | 479.286 | 539.995 | 799 | 1293 |\n| 脱盐水（补水） | 77 | 130 | 271 | 88 | 137 | 121 | 50 | 171 | 33 | 45 | 35 | 0 |", "rubrics": null} +{"id": "QA_143", "question": "学校_2e04161b，学校_90a8438c、学校_db7c5a92、学校_5ab47622招聘人数分别是多少人？", "input_file": "2024年度教育系统专项招聘招聘岗位一览表.xlsx", "output_type": "数值统计", "reference": "此次招聘中，学校_2e04161b计划招聘 6 人，学校_90a8438c、学校_db7c5a92、学校_5ab47622各招聘 4 人", "rubrics": null} +{"id": "QA_144", "question": "”2024年出库台账“表中是否有业务代表卖了至少 2 单？", "input_file": "2024年氯化钙台账.xlsx", "output_type": "数值统计", "reference": "人员A、人员D、人员Q、人员K、人员N", "rubrics": null} +{"id": "QA_145", "question": "根据日期计算总出厂净重，输出文本结果。只需要日期和总出厂净重/T", "input_file": "2024年氯化钙台账.xlsx", "output_type": "数值统计", "reference": "| 日期 | 总出厂净重/T |\n| 2024-01-01 | 731.01 |\n| 2024-01-02 | 351.60 |\n| 2024-01-03 | 276.82 |", "rubrics": "需要分别计算出2024年1月1日，2日，3日的总出厂净重"} +{"id": "QA_146", "question": "这是一份考勤明细表。其中非工作日加班时长=下班实际时间-上班实际时间。工作日加班时长=下班实际时间-18:00.\n1 月 4 日最长加班时间是多久？", "input_file": "考勤明细表.xlsx", "output_type": "数值统计", "reference": "2024 年 1 月 4 日是工作日，最长加班时间是3 小时 58 分。", "rubrics": null} +{"id": "QA_147", "question": "先删除异常值，然后计算 P 值。上下限定义为：Q1 - 1.5 * IQR，Q3 + 1.5 * IQR。\n这组数据在均值为 950 条件下P值是多少？采用单样本 t 检验。", "input_file": "msx93Z9p.xlsx", "output_type": "数值统计", "reference": 0.0012, "rubrics": null} +{"id": "QA_148", "question": "分析表中数据计算销售单价一列平均值(最低最高平均)", "input_file": "附件2_2023年统计的相关数据.xlsx", "output_type": "数值统计", "reference": 7.15, "rubrics": "答案只需要包含7.15 就算正确。多计算上线和下线的均值不算错。"} +{"id": "QA_149", "question": "梯田中亩销售单价从高到低排序是什么顺序", "input_file": "附件2（2）.xlsx", "output_type": "数值统计", "reference": "红薯,南瓜,荞麦,黍子,高粱,黑豆,红豆,玉米,爬豆,小麦,谷子,绿豆,莜麦,大麦", "rubrics": null} +{"id": "QA_150", "question": "不同业务员订单金额", "input_file": "销售订单对象导出结果_20240906.xlsx", "output_type": "数值统计", "reference": "AA的订单金额866220,BB的订单金额2415650,CC的订单金额84908,DD的订单金额53000", "rubrics": null} +{"id": "QA_151", "question": "语文数学英语得分平均分分别多少", "input_file": "14.xlsx", "output_type": "数值统计", "reference": "语文平均分为49.641，数学平均分为40.487，英语平均分为27.769", "rubrics": null} +{"id": "QA_152", "question": "统计下表中性别是男，摘镜原因为生活便利的总数", "input_file": "门诊信息表_脱敏.xlsx", "output_type": "数值统计", "reference": 9, "rubrics": null} +{"id": "QA_153", "question": "蓝色单元格多少个", "input_file": "2024年8月常驻工人考勤登记表.xlsx", "output_type": "数值统计", "reference": 0, "rubrics": null} +{"id": "QA_154", "question": "基于《第二季度【案卷】.xlsx》，统计“某市6”在第二季度中存在问题的案卷数量是多少，答案仅包含具体数字。", "input_file": "第二季度【案卷】.xlsx", "output_type": "数值统计", "reference": 75, "rubrics": null} +{"id": "QA_155", "question": "检测A1列数据是否为正态分布", "input_file": "1.xlsx", "output_type": "数值统计", "reference": "不是正态分布", "rubrics": null} +{"id": "QA_156", "question": "统计下单元格中出现“足趾”二字的单元格的个数，只说数量，不用说其他", "input_file": "预测模型菌群.xlsx", "output_type": "数值统计", "reference": 45, "rubrics": null} +{"id": "QA_157", "question": "DV_2_y数据最小值", "input_file": "quanyinsushiyan.xlsx", "output_type": "数值统计", "reference": 452, "rubrics": null} +{"id": "QA_158", "question": "对表中客户“客户F”的数据进行线性插值，随后重新计算其‘总计’的值。输出“华派”插值后对应的数据。", "input_file": "销售总表-2024年.xlsx", "output_type": "数值统计", "reference": "| 月份 | 插值后金额 | 说明 |\n|------|-----------|------|\n| 1月 | 1,500.00 | 原始值 |\n| 2月 | 3,290.83 | 线性插值 |\n| 3月 | 5,081.67 | 线性插值 |\n| 4月 | 6,872.50 | 线性插值 |\n| 5月 | 8,663.33 | 线性插值 |\n| 6月 | 10,454.17 | 线性插值 |\n| 7月 | 12,245.00 | 原始值 |\n| 8月 | 74,306.00 | 原始值 |\n| 总计 | 122,413.50 | 重新计算 |", "rubrics": "小数点前面数字对即可"} +{"id": "QA_159", "question": "统计文件中E列为1和为0的天数分别有多少", "input_file": "123.xlsx", "output_type": "数值统计", "reference": "为 “1” 的天数为 18 天，为 “0” 的天数为 22 天", "rubrics": null} +{"id": "QA_160", "question": "颜色一列共有几种数据（不包含空值）", "input_file": "22C.xlsx", "output_type": "数值统计", "reference": 6, "rubrics": null} +{"id": "QA_161", "question": "每台风机9月的计划停运损失电量", "input_file": "工作簿2_更新.xlsx", "output_type": "数值统计", "reference": 573.882, "rubrics": null} +{"id": "QA_162", "question": "old_data_51语文年级前100名，并且综合成绩也是前100名的学生个数", "input_file": "11.xlsx", "output_type": "数值统计", "reference": 6, "rubrics": null} +{"id": "QA_163", "question": "哪位任课老师平均分最低？", "input_file": "2023-2024-2优质课堂听课记录2024.6.23.xlsx", "output_type": "数值统计", "reference": "教师AH，教师AQ，教师BB，教师AY", "rubrics": null} +{"id": "QA_164", "question": "分析S列中最大值、最小值、中位值", "input_file": "店长职龄-入职-店长周期.xlsx", "output_type": "数值统计", "reference": "最大值：8,最小值0.033,中位数：1.167", "rubrics": null} +{"id": "QA_165", "question": "大数据sheet里录取志愿分别是第一、二、三、四、五志愿录取的比例", "input_file": "数字技术产业学院24年新生数据.xlsx", "output_type": "数值统计", "reference": "第一志愿录取占比为 35.0%\n第二志愿录取占比为 22.5%\n第三志愿录取占比为 27.5%\n第四志愿录取占比为 15.0%", "rubrics": null} +{"id": "QA_166", "question": "理论和技能成绩都大于等于60的人数", "input_file": "工作簿.xlsx", "output_type": "数值统计", "reference": 36, "rubrics": null} +{"id": "QA_167", "question": "8月这个sheet里哪些人上班迟到了？找出迟到5分钟以内的和迟到1小时或以上的。\n判断规则：\n1、根据“上班时间”、“签到时间”、“迟到时间”字段来判断；\n2、如果“迟到时间”有值，直接使用“迟到时间”；\n3、如果“迟到时间”没有值，根据“上班时间”、“签到时间”来判断迟到时间；\n4、如果同时没有“签到时间”、“迟到时间”的记录，该行不计数", "input_file": "8月_脱敏.xlsx", "output_type": "数值统计", "reference": null, "rubrics": "分别准确回答出迟到5分钟以内的和迟到1小时或以上的所有人员，就算正确"} +{"id": "QA_168", "question": "请以项目大类汇总实际支出费用，从大到小排序，输出前 3 的 具体名称和实际支出费用。所有数字均四舍五入保留两位小数点", "input_file": "研发中心预算分析表-2024年8期月报.xlsx", "output_type": "数值统计", "reference": "人员人工：14036475.08\n折旧及摊销：7244746.42\n物料费用：4011347.91", "rubrics": null} +{"id": "QA_169", "question": "基于文件“问题一数据.xlsx”中的“23年农作物种植情况”表，统计各“作物类型”的“2023年产量”总和。\n输出要求：\n仅输出每类作物的统计结果。\n必须严格按照以下格式输出：\n作物种类： [数值] 单位", "input_file": "问题一数据.xlsx", "output_type": "数值统计", "reference": "粮食： 535090 斤\n粮食（豆类）： 144165 斤\n蔬菜： 420000 斤\n蔬菜（豆类）： 54000 斤", "rubrics": null} +{"id": "QA_170", "question": "统计：\n期末成绩最高分\n期末成绩最低分\n70-80分人数\n60-70分人数\n60分以下人数\n期末成绩80分以上人数", "input_file": "jxbcjd_zx.xlsx", "output_type": "数值统计", "reference": "1. 期末成绩最高分：79.5分\n2. 期末成绩最低分：45.0分\n3. 70-80分人数：2人\n4. 60-70分人数：14人\n5. 60分以下人数：19人\n6. 期末成绩80分以上人数：0人", "rubrics": null} +{"id": "QA_171", "question": "zq_8 销售总额为多少万？只给具体数字即可", "input_file": "工作簿1.xlsx", "output_type": "数值统计", "reference": "95,734 万", "rubrics": null} +{"id": "QA_172", "question": "等待时间和订单金额是否存在显著的线性关系？计算皮尔逊系数。先回答是或否，再直接给出系数", "input_file": "file_1724824061558.xlsx", "output_type": "数值统计", "reference": "是；0.88", "rubrics": null} +{"id": "QA_173", "question": "统计一下省份分布", "input_file": "融资事件列表.xlsx", "output_type": "数值统计", "reference": "省份 数量\n0 上海 11\n1 江苏 7\n2 广东 6\n3 北京 4\n4 四川 3\n5 浙江 2\n6 香港 1\n7 湖南 1\n8 福建 1\n9 安徽 1\n10 山东 1\n11 重庆 1\n12 河南 1", "rubrics": null} +{"id": "QA_174", "question": "统计微面市场销量最好的3个车型的车长以及销量。输出排名，车型名称，车辆型号，车长和销量", "input_file": "2024年1月TOP10车型数据.xlsx", "output_type": "数值统计", "reference": "| 排名 | 车型名称 | 车辆型号 | 车长 | 销量 |\n| 1 | 车型E | 型号009 | 4500 | 108 |\n| 2 | 车型B | 型号015 | 4490 | 74 |\n| 3 | 车型G | 型号022 | 4495,4500 | 62 |", "rubrics": "排名第一的是车型E | 型号009，第二是车型B | 型号015，第三是车型G | 型号022\n型号022的车长是“4495,4500”"} +{"id": "QA_175", "question": "市场销量最好的几个品牌及其对应的电池品牌（前5个）", "input_file": "车面市场.xlsx", "output_type": "数值统计", "reference": "| 排名 | 品牌（车型名称） | 总销量 | 对应电池品牌（按销量最高） | 该电池销量 | 该品牌电池企业占比（按销量） |\n| -: | -------- | --: | ------------- | ----: | -------------------------------------------------------------------- |\n| 1 | 车型3 | 343 | 电池企业7 | 170 | 电池企业7 49.6%；电池企业4 20.7%；电池企业2 19.2%；电池企业6 5.2%；电池企业5 5.0%；电池企业3 0.3% |\n| 2 | 车型4 | 221 | 电池企业2 | 85 | 电池企业2 38.5%；电池企业10 33.9%；电池企业9 20.4%；电池企业8 5.4%；电池企业4 1.8% |\n| 3 | 车型7 | 119 | 电池企业2 | 119 | 电池企业2 100.0% |\n| 4 | 车型2 | 61 | 电池企业2 | 61 | 电池企业2 100.0% |\n| 5 | 车型6 | 53 | 电池企业4 | 53 | 电池企业4 100.0% |", "rubrics": "对应电池企业名称正确即可，不需要写占比"} +{"id": "QA_176", "question": "重复店铺名销售金额累加，完整版销售金额前三是谁？", "input_file": "销售信息.xlsx", "output_type": "数值统计", "reference": "根据累加后的销售数据，销售金额排名前三的店铺是：\n\n1. 店铺QSYR，总销售额为 14,639 元\n2. 店铺GZ，总销售额为 10,620 元\n3. 店铺DU，总销售额为 6,361 元", "rubrics": null} +{"id": "QA_177", "question": "有多少个单元格中出现了\"堵车\"这个词", "input_file": "工作簿1_desensitized-CN0014010899M.xlsx", "output_type": "数值统计", "reference": 28, "rubrics": "不要求前50全部给出来，只要答案提供的数字和参考答案给的能对上就算正确"} +{"id": "QA_178", "question": "22:10-24:00的GMV数据之和", "input_file": "1.xlsx", "output_type": "数值统计", "reference": 42292, "rubrics": null} +{"id": "QA_179", "question": "帮我统计分段制作部的二氧焊机数量多少", "input_file": "焊机维修记录8月.xlsx", "output_type": "数值统计", "reference": 30, "rubrics": null} +{"id": "QA_180", "question": "中面市场有哪些车型？", "input_file": "2024年6月TOP10车型数据.xlsx", "output_type": "数值统计", "reference": "车型013、车型014、车型015、车型016、车型017、车型018、车型019、车型020、车型021", "rubrics": null} +{"id": "QA_181", "question": "中面市场的车型销量分别是多少？", "input_file": "2024年6月TOP10车型数据.xlsx", "output_type": "数值统计", "reference": "车型名称 销量\n0 上汽大通MAXUS EV30 231.0\n1 东风御风EM27L 524.0\n2 五菱扬光 2448.0\n3 广通中面 325.0\n4 开瑞江豚E6 730.0\n5 远程星享V6E 1975.0\n6 金琥EV48 352.0\n7 鑫源E3L 475.0\n8 长安跨越星V7 5.0", "rubrics": null} +{"id": "QA_182", "question": "吸烟机的上线总数量是多少？\n", "input_file": "直配送烟机整机品质控制台账_已脱敏.xlsx", "output_type": "数值统计", "reference": 1151, "rubrics": null} +{"id": "QA_183", "question": "23年吸油烟机上线数量相比21年上升多少？", "input_file": "直配送烟机整机品质控制台账.xlsx", "output_type": "数值统计", "reference": "文件中未给出2023年数据。21年吸油烟机上线数量为 1151。", "rubrics": "必须指出21年上线数量为 1151，并且未给出2023年数据，才算对"} +{"id": "QA_184", "question": "基于文件“工作簿.xlsx”的Sheet2数据，找出“不含税金额”列中相加之和等于 310,627.26 的两个数值。\n输出要求：\n请按数值从小到大的顺序输出。\n严禁包含任何背景介绍、计算过程或标点符号。\n严格遵循以下格式输出： [数值1]和[数值2]", "input_file": "工作簿.xlsx", "output_type": "数值统计", "reference": "151110.1和159517.16", "rubrics": null} +{"id": "QA_185", "question": "统计被病人附着的医生是哪些？\n统计出每个患者的总就诊次数，然后如果一个患者在某个医生就诊了两次及以上，则称为该患者对这个医生附着", "input_file": "心理咨询.xlsx", "output_type": "数值统计", "reference": "共有 2 名医生被患者附着：\n1️⃣ 医生：余某某（代码：1009）\n- 被附着患者数：1人（患者900000010）\n- 该患者就诊次���：12次 ⭐⭐⭐\n- 附着强度：极强（远超附着标准）\n2️⃣ 医生：孔某（代码：1024）\n- 被附着患者数：1人（患者900000025）\n- 该患者就诊次数：2次 ⭐\n- 附着强度：达标（刚好满足附着标准）", "rubrics": "回答出余某和孔某即可"} +{"id": "QA_186", "question": "这是每个村落的碳排放量统计表格，请统计下village_1、village_3、village_6碳排放量最大的项目名称和对应的数值，用markdown形式给出，列名：村子名称、项目名称、碳排放量", "input_file": "行政村碳排放来源分析.xlsx", "output_type": "数值统计", "reference": "| 村子名称 | 项目名称 | 碳排放量 |\n| :--- | :--- | :--- |\n| village_1 | 材料合计 | 217358.02 |\n| village_3 | 材料合计 | 658694.47 |\n| village_6 | 材料合计 | 201941.92 |", "rubrics": null} +{"id": "QA_187", "question": "风机9月的非计划停运时间和计划停运时间", "input_file": "工作簿2.xlsx", "output_type": "数值统计", "reference": "非计划停运时间：1.57\n计划停运时间：13.53", "rubrics": null} +{"id": "QA_188", "question": "哪些作者的点赞数超过30000", "input_file": "知乎短篇_8.xlsx", "output_type": "数值统计", "reference": "回答：共有4位作者的作品点赞数超过30,000\n1. 用户A - 作品A获得 47,182 点赞（排名第1）\n2. 用户B - 作品B获得 45,218 点赞（排名第2）\n3. 用户C - 作品C获得 36,195 点赞（排名第3）\n4. 用户D - 作品D获得 32,258 点赞（排名第4）", "rubrics": null} +{"id": "QA_189", "question": "哪些名字出现次数是2次？输出名字即可", "input_file": "值日表格（二（10）班）.xlsx", "output_type": "数值统计", "reference": "同学 1，同学 4，同学 5，同学 10", "rubrics": null} +{"id": "QA_190", "question": "A列最后18个单元格中，出现次数最多的5个数值", "input_file": "工作簿.xlsx", "output_type": "数值统计", "reference": "7,10,11,12,13", "rubrics": null} +{"id": "QA_191", "question": "帮我算一下B列、C列、D列的相关系数", "input_file": "伦敦现货黄金_以美元计价.xlsx", "output_type": "数值统计", "reference": "B列和C列相关度:-0.0339005070700736,C列和D列相关度:0.767441561574319,B列和D列相关度:-0.24977000712452", "rubrics": null} +{"id": "QA_192", "question": "销量最好的两种产品的销量是多少。\n", "input_file": "2024年7月TOP10车型数据-CN0014010899M.xlsx", "output_type": "数值统计", "reference": "A002 182\nA003 179", "rubrics": "产品名字和数字正确即可"} +{"id": "QA_193", "question": "支出最多的项目？\n", "input_file": "iCost_20240902074926.xlsx", "output_type": "数值统计", "reference": "日期为2024/08/28 15:18:09的学习教育支出，备注为学费，费用为1200", "rubrics": "只要能提及正确的时间和费用分类计算正确"} +{"id": "QA_194", "question": "每台风机2023年9月的计划停运损失电量", "input_file": "工作簿2.xlsx", "output_type": "数值统计", "reference": "风机编号#01计划停运损失电量为573.882", "rubrics": null} +{"id": "QA_195", "question": "求“Sheet1”中“品名”列的众数", "input_file": "KDT八月份成本.xlsx", "output_type": "数值统计", "reference": "药品003", "rubrics": null} +{"id": "QA_196", "question": "“药品”sheet中什么东西卖的最多？单价多少？", "input_file": "KDT八月份成本.xlsx", "output_type": "数值统计", "reference": "佐藤鼻炎。单价23元", "rubrics": "名称和单价必须都正确"} +{"id": "QA_197", "question": "请基于这张新表，分别以“*资格等级”为“30-中级”“40-初级”“20-副高”，以*取得日期”为统计值，以年份为行值，列出每个年份对应的数量。", "input_file": "系统中工维条线人员持证情况_已脱敏.xlsx", "output_type": "数值统计", "reference": "只有“专业技术职务”sheet符合题目中“*资格等级”的描述。\n|年份|30-中级|40-初级|20-副高|\n|----|----|----|----|\n|1995|1|0|0|\n|1998|0|1|0|\n|2003|1|0|0|\n|2007|1|1|0|\n|2011|3|0|0|\n|2017|1|0|0|\n|2020|1|0|0|\n|2022|3|0|0|\n|2023|4|0|0|", "rubrics": null} +{"id": "QA_198", "question": "统计文件基金名称列的非重复项个数", "input_file": "银行间回购质押券-8月.xlsx", "output_type": "数值统计", "reference": 17, "rubrics": null} +{"id": "QA_199", "question": "统计“附件4：供应商准入信息导入.xlsx”文件中O2单元格内的字符数（不含空格）。\n输出要求：\n仅输出一个阿拉伯数字", "input_file": "附件4：供应商准入信息导入.xlsx", "output_type": "数值统计", "reference": 8, "rubrics": null} +{"id": "QA_200", "question": "生日日期最小的是？", "input_file": "2024总新生库3392人（宣传部）.xlsx", "output_type": "数值统计", "reference": "2004-11-18T00:00:00", "rubrics": "只要日期对应正确即可，各种日期格式都能接受。"} +{"id": "QA_201", "question": "各星座各多少人，用markdown形式给，列名：星座、人数", "input_file": "2024总新生库3392人.xlsx", "output_type": "数值统计", "reference": "| 星座 | 人数 |\n| :--- | :--- |\n| 水瓶座 | 4 |\n| 双鱼座 | 1 |\n| 白羊座 | 1 |\n| 金牛座 | 2 |\n| 双子座 | 2 |\n| 巨蟹座 | 2 |\n| 狮子座 | 8 |\n| 处女座 | 5 |\n| 天秤座 | 2 |\n| 天蝎座 | 5 |\n| 射手座 | 3 |\n| 摩羯座 | 5 |", "rubrics": null} +{"id": "QA_202", "question": "有没有重名的人\n四个字的名字有多少人", "input_file": "2024总新生库3392人（宣传部）.xlsx", "output_type": "数值统计", "reference": "无重名的人\n没有四个字名字的人", "rubrics": null} +{"id": "QA_203", "question": "水浇地中亩销售单价从高到低排序是什么顺序", "input_file": "附件2（2）.xlsx", "output_type": "数值统计", "reference": "1. 人员F - 84,000元/亩\n2. 空心菜 - 45,000元/亩\n3. 茄子 - 35,200元/亩\n4. 包菜 - 24,050元/亩\n5. 豇豆 - 24,000元/亩\n6. 人员G - 22,500元/亩\n7. 芹菜 - 22,000元/亩\n8. 生菜 - 21,525元/亩\n9. 油麦菜 - 20,500元/亩\n10. 芸豆 - 19,500元/亩\n11. 小青菜 - 18,400元/亩\n12. 菜花 - 18,150元/亩\n13. 菠菜 - 15,525元/亩\n14. 西红柿 - 15,000元/亩\n15. 刀豆 - 13,500元/亩\n16. 青椒 - 12,600元/亩\n17. 辣椒 - 11,600元/亩\n18. 土豆 - 7,500元/亩\n19. 水稻 - 3,500元/亩", "rubrics": null} +{"id": "QA_204", "question": "总结每个品类的总销量", "input_file": "各类销量.xlsx", "output_type": "数值统计", "reference": "| 单品 | 总销量(千克) |\n| 白菜苔 | 4.249 |\n| 艾蒿 | 7.001 |", "rubrics": null} +{"id": "QA_205", "question": "用户系统出现最多的是什么？", "input_file": "数据源.xlsx", "output_type": "数值统计", "reference": "用户系统5", "rubrics": null} +{"id": "QA_206", "question": "流量渠道里有哪些种类，分别为多少次", "input_file": "数据源.xlsx", "output_type": "数值统计", "reference": "|流量渠道|数量|\n|--|--|\n|品牌搜索流量|26|\n|学员推荐流量|6|\n|APP注册流量|4|\n|网站内容流量|1|\n|代理渠道流量|1|\n|付费广告流量|1|\n|小程序流量|1|", "rubrics": null} +{"id": "QA_207", "question": "订单金额最大值", "input_file": "【抖音教育项目】数据源_desensitized.xlsx", "output_type": "数值统计", "reference": 3855.6, "rubrics": null} +{"id": "QA_208", "question": "订单金额里单项的最大值", "input_file": "【教育项目】数据源.xlsx", "output_type": "数值统计", "reference": 3855.6, "rubrics": null} +{"id": "QA_209", "question": "数据考虑从F6到AC41，1.2-1.3数据有多少。", "input_file": "1P00265-09_20240901_200846_19#-R.xlsx", "output_type": "数值统计", "reference": 244, "rubrics": null} +{"id": "QA_210", "question": "请帮我分析Sheet1C列集团编码中，有多少编码的记录数量大于等于11", "input_file": "劳动竞赛全量号码明细，全字段.xlsx", "output_type": "数值统计", "reference": "只有一个集团编码的记录数量大于等于11，GZ_2000101378 的记录数量为 13。", "rubrics": null} +{"id": "QA_211", "question": "b列有几类", "input_file": "附件1_已脱敏.xlsx", "output_type": "数值统计", "reference": "1. **乡村的现有耕地**工作表中，B列（地块类型）有 **5类**。\n2. **乡村种植的农作物**工作表中，B列（作物名称）有 **40类**。", "rubrics": null} +{"id": "QA_212", "question": "统计“注塑部”的计薪时长总和，加班时长总和，请假时长总和", "input_file": "_20240801_20240831.xlsx", "output_type": "数值统计", "reference": "计薪时长总和：1044\n加班时长总和：648\n请假时长总和：24", "rubrics": "数值单位不要求"} +{"id": "QA_213", "question": "基于文件“FAQ全量-8.26.xlsx”，筛选出“类型”列包含“特殊旅客服务”的所有行。\n输出要求：\n请列出这些行的“标准问”、“类型”和“匹配次数”。\n计算所有筛选出行的“匹配次数”之和。\n必须遵循以下格式以表格格式进行输出：\n[标准问]，[类型]，[匹配次数]... \n合计：[总匹配次数]", "input_file": "FAQ全量-8.26.xlsx", "output_type": "数值统计", "reference": "标准问，类型，匹配次数\n如何申请特殊餐食，特殊旅客服务/特殊餐食，2880\n如何预订无陪服务，特殊旅客服务/无陪旅客，2537\n合计：5417", "rubrics": null} +{"id": "QA_214", "question": "210机时长之和多少\n", "input_file": "设备租赁台账8.27.xlsx", "output_type": "数值统计", "reference": "23小时30分钟", "rubrics": null} +{"id": "QA_215", "question": "120机时长之和多少\n", "input_file": "设备租赁台账8.27.xlsx", "output_type": "数值统计", "reference": "2小时30分钟", "rubrics": null} +{"id": "QA_216", "question": "sk200时长之和多少", "input_file": "设备租赁台账8.27.xlsx", "output_type": "数值统计", "reference": "52小时30分钟", "rubrics": null} +{"id": "QA_217", "question": "有多少异常非数字数据？", "input_file": "幸运数字.xlsx", "output_type": "数值统计", "reference": 59, "rubrics": null} +{"id": "QA_218", "question": "根据“选择的问卷名称”一列，统计参与调研的学员人数。启蒙阶段和成长阶段分别多少人？回复形式为“成长阶段 xx 人，启蒙阶段 xx 人。”", "input_file": "学员问卷答题-0_10000.xlsx", "output_type": "数值统计", "reference": "成长阶段 16 人，启蒙阶段 24 人。", "rubrics": "回复形式为“成长阶段 xx 人，启蒙阶段 xx 人。”"} +{"id": "QA_219", "question": "以表格形式呈现：启蒙和成长阶段分别对应的校区、学生人数及问卷平均分（看问卷总分数列）", "input_file": "学员问卷答题.xlsx", "output_type": "数值统计", "reference": "| 阶段 | 校区 | 学生人数 | 问卷平均分（平均总分） |\n| ---- | --- | ---: | ----------: |\n| 启蒙阶段 | 校区2 | 24 | 49.5 |\n| 成长阶段 | 校区1 | 12 | 49 |\n| 成长阶段 | 校区3 | 4 | 50.00 |", "rubrics": null} +{"id": "QA_220", "question": "统计启蒙阶段问卷总分的平均得分，从高到低排列校区，表格中还要包括对应校区的学员人数", "input_file": "学员问卷答题-0_10000.xlsx", "output_type": "数值统计", "reference": "仅 ' 校区B ' 存在启蒙阶段的数据，其平均得分为 49.5，学员人数为 24 人", "rubrics": null} +{"id": "QA_221", "question": "根据\"退款记录\"页面的数据分析退款原因占比", "input_file": "退款记录_2024-08-10_2024-08-31-CN0014010899M.xlsx", "output_type": "数值统计", "reference": "|退款原因|次数|占比|\n|----|----|----|\n|买多了/买错了|20|50.00%|\n|其他|4|10.00%|\n|可用的门店距离太远|1|2.50%|\n|没看清使用规则，要用时才发现有限制|1|2.50%|\n|计划有变，暂时不需要了|14|35.00%|", "rubrics": null} +{"id": "QA_222", "question": "付款人数最多的店铺是哪家？", "input_file": "搜索.xlsx", "output_type": "数值统计", "reference": "店铺K", "rubrics": null} +{"id": "QA_223", "question": "ALL 这个 sheet，查找重复次数大于等于24次的数据", "input_file": "pharmapp.xlsx", "output_type": "数值统计", "reference": "1AQL、1C7S、1DJE、1H7W、1IGN、1L0W、1MV8、1TVV、1V6A、2D7R、2E2L、2EA1、2F00、2H4P、2IVD、2O1X、2QZX、2UXY、2YS5、3BXZ、3C3C、3DBM、3LAD", "rubrics": null} +{"id": "QA_224", "question": "清洗数学列数据后求第一个数学列的平均值", "input_file": "工作簿.xlsx", "output_type": "数值统计", "reference": "清洗后的第一列数学列的平均值为79.05128", "rubrics": "保留小数后数值相同也算正确，比如79.05。"} +{"id": "QA_225", "question": "设备数量为5的年份资产总价值是多少？", "input_file": "全院总台账.xlsx", "output_type": "数值统计", "reference": 238900, "rubrics": null}