毕业论文中编程数据的写作应遵循以下步骤和原则：
1. 数据收集和处理
使用编程语言（如Python）编写程序来收集和处理相关数据。
可以利用网络爬虫技术从互联网上获取文献、论文、数据等信息，并进行数据清洗和整理。
2. 数据分析和可视化
使用编程语言进行数据分析和可视化，如使用统计分析、机器学习等技术对数据进行分析。
利用图表、图像等形式将分析结果可视化展示。
3. 结果展示和论证
使用编程语言编写程序来展示实验结果和进行论证。
运用数据可视化技术将实验结果进行可视化展示，并使用统计分析、模型建立等方法进行论证。
4. 数据描述和解释
使用适当的图表（如柱状图、折线图、饼图）或描述性统计来展示数据。
提供必要的上下文信息，以便读者理解数据的含义和背景。
将数据的发现与你的研究问题和目标联系起来，说明数据的意义和价值。
5. 符合学术要求
使用准确的术语和标准学术符号来描述你的数据。
在文本中提供必要的解释和注释，确保读者能够理解你的数据。
6. 提供补充信息
如果必要，可以提供额外的附表或附图，以展示更详细的数据结果。
说明你的数据分析方法和统计模型，确保其他人能够复制你的研究过程。
7. 遵循学术诚信
确保数据的真实性，遵循学术诚信原则，不得编造数据。
如果数据来源于第三方，应正确引用和注明来源。
8. 反馈和修订
与导师或其他专业人士寻求反馈意见，以确保你的数据部分达到学术的标准和要求。
示例代码（Python）
```python
示例代码：使用Python进行数据分析
import pandas as pd
import matplotlib.pyplot as plt
数据收集
data = pd.read_csv（'your_data_file.csv'）
数据清洗
data = data.dropna（） 删除缺失值
数据分析
mean_value = data['your_column'].mean（）
median_value = data['your_column'].median（）
std_dev = data['your_column'].std（）
数据可视化
plt.figure（figsize=（10, 6））
plt.hist（data['your_column'], bins=30）
plt.title（'Histogram of Your Column'）
plt.xlabel（'Your X Label'）
plt.ylabel（'Your Y Label'）
plt.show（）
```
请根据你的具体研究内容和数据情况调整上述步骤和代码示例。