智能数据可视化

数据可视化中的常见挑战

在数据分析和报告制作中，将原始数据转化为直观图表是必不可少的步骤。然而，手动选择合适的图表类型往往耗时且容易出错——例如，用错误的图表呈现数据可能导致误解或信息丢失。开发者或分析师常常需要在多种图表类型（如柱状图、散点图、热力图）之间快速决策，并生成专业级的可视化输出，这在处理多维数据或时间序列时尤为棘手。

技能如何工作

该技能通过 AI 驱动的流程自动化解决上述问题，其核心能力包括：

• 智能数据分析：AI 自动解析输入数据（如 CSV 或结构化数据），识别数据特征，如数据类型、维度数量、分布模式和相关性。例如，当检测到数值列和分类列时，系统会评估是否适合使用堆叠柱状图或分组折线图。
• 自动图表推荐：基于分析结果，AI 从 10 多种图表类型中推荐最佳组合。这覆盖了柱状图（类别对比）、折线图（趋势分析）、饼图（占比）、散点图（相关性）、热力图（矩阵关系）等，并优先排序最多 15 个图表。
• 仪表板生成：通过调用底层脚本（如 scripts/generate_chart.py），技能生成单个 交互式 HTML 文件，其中包含所有推荐图表。输出支持鼠标悬停、缩放和平移等操作，并采用响应式设计以适配不同屏幕。

关键步骤遵循清晰的工作流：首先，用户提交数据；其次，AI 进行特征分析和推荐；最后，脚本渲染并优化 HTML 输出，确保图表布局美观且交互流畅。

适用边界与注意事项

尽管技能能高效处理大多数可视化需求，但存在以下限制：

• 数据格式要求：输入需为结构化数据（如表格或 CSV），非结构化数据可能无法直接分析。建议提前参照 references/data-format.md 检查格式规范。
• 图表类型约束：生成的图表仅限于预设类型（如不包含地图或 3D 图形），且最多输出 15 个图表，按数据相关性排序。
• 依赖脚本执行：技能依赖 scripts/generate_chart.py 生成可视化，因此确保环境中已正确配置相关库（如数据可视化工具）。
• 交互功能局限：所有图表支持基础交互（如缩放），但复杂自定义操作需手动调整 HTML 文件。

总体而言，该技能适用于快速原型设计、报告辅助或探索性数据分析，但对高度定制化或超大规模数据集，建议结合其他工具进行后处理。