数据可视化

你要解决的问题

手里有一份结构化数据，真正麻烦的不是画不出图，而是画出来的图说不清问题。柱状图和饼图之间选错了，观众记住的只是好看；坐标轴没从零起步，差异被放大了一倍；几千个散点糊成一团，什么规律也看不出来。这个技能的价值在于，它把「画图」和「想清楚要回答什么问题」绑在一起，让 agent 先理解数据结构，再决定图表类型。

技能如何工作

工作流分六个步骤：

• 理解数据和问题：先看变量数量、类型（数值、类别、时间），再看用户想突出的关系或对比。选图的第一依据是问题，而不是数据长什么样。
• 选图表类型：类别对比用条形图，时间趋势用折线图，两个连续变量的关系用散点图，分布用直方图或 KDE，离散程度和异常值用箱线图，相关性矩阵用热力图，构成比例用堆叠条形图。
• 整理数据：该聚合的聚合，该重塑的重塑。条形图的类别轴按数值排序，时间序列重采样到合适的粒度，确认没有 NaN 漏进图里造成缺口。
• 样式与排版：统一色板，轴标签和单位写清楚，图例放到位，删掉多余的网格线和边框。图片尺寸要适配最终载体，报告、幻灯片和仪表盘的规格不同。
• 加上下文和标注：关键数据点加注释、参考线或阴影区，箱线图上标出中位数，散点图上画趋势线。这一步把图从装饰变成分析。
• 导出或展示：静态图存成 PNG 或 SVG 用于报告，交互图渲染成 HTML 供探索。打印级输出按 150 以上 DPI 设置。

底层用 matplotlib 控制每个视觉元素，seaborn 提供带默认主题的统计图，plotly 和 plotly.express 负责带缩放、平移和悬停提示的交互图。

适用边界与注意点

• 单图类别超过 15 条时，只展示前 N 个并把其余合并为 Other，或改用树状图。
• 散点图点重叠时，用 alpha=0.3 透明度、抖动或 hexbin 密度图处理。
• 坐标轴标签过长就旋转 45 度、加省略号，或直接换成水平条形图。
• 折线图的小缺口（1–2 个点）可以线性插值并用虚线段标记，大缺口则断开，避免暗示数据连续。
• 数据偏斜严重时用对数坐标轴，并在标签里写清楚（如 Revenue (log scale)）。

别为了好看选图。即使散点图没呈现任何模式，只要问题是相关性分析，它仍然是正确选择。