数据科学家的Python软件工程攻略可以分为以下几个步骤。
1.需求分析
在开始编写代码之前，需要确认项目的具体要求和需求，并对数据进行分析和处理。这一步需要让数据分析人员和业务人员进行深入的讨论，以确保代码的实现能够符合业务要求。
2.项目结构设计
在明确需求后，需要将项目进行结构化，确定文件目录结构、代码架构和组件划分。针对大型项目，可以采用MVC(Model-View-Controller)的结构，在不同的模块中进行数据处理、算法实现和结果输出。
3.库选型
Python生态系统中有许多第三方库，提供了各种数据处理、机器学习、可视化等功能。在项目中需要选用合适的库，例如numpy、pandas、scikit-learn、matplotlib等等。需要根据实际需求综合考虑，选择适合项目的库。
4.模块编写
模块编写的过程中，需要遵守Python的PEP8规范，保证代码风格一致、易读性高。同时，使用注释和docstring进行文档说明，方便团队协作和代码维护。
以数据预处理为例，可以使用pandas库进行数据读取、清洗、处理等操作，示例代码如下：
import pandas as pd
def read_data(file_path):
df = pd.read_csv(file_path)
# 进行数据清洗和处理操作
return df
def data_preprocessing(df):
# 数据标准化、缺失值处理、特征工程等操作
return processed_df
5.测试和调试
进行单元测试和集成测试，确保代码的正确性。在测试的过程中，可以使用debug工具对代码进行调试，发现并修复代码中存在的问题。
6.文档编写
编写文档，介绍项目的基本介绍、使用说明等。文档可以使用Markdown或者reStructuredText进行编写，方便团队协作和项目维护。
以上是数据科学家的Python软件工程攻略的基本步骤。在实际项目中，需要根据项目需求和团队协作方式进行借鉴和实践。