数据可视化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/aj-geddes-useful-ai-prompts-data-visualization。
技能介绍
实际问题
分析报告写出来没人看、图表类型选错导致结论被误读,是数据工作中很常见的挫败:分布该用直方图还是箱线图、时间序列该叠面积还是单折线,往往靠经验试错。Stakeholder 要的是「一眼能看懂的趋势和异常」,而不是默认 matplotlib 出图就交差。
技能如何工作
本技能把数据可视化拆成 类型选择、设计原则 与 实现习惯 三层:按问题归类到分布、关系、对比、构成、时序、多变量等场景,对应直方图/KDE、散点图/热力图、条形图/脊线图等;强调 ink-to-data、配色意图、坐标与图例完整、色盲友好等可读性约束;并给出 Python 侧的常见图型与交付物清单(探索图、可发表图表、带标注的统计图、对比与趋势类可视化)。
适用边界
它是指引型 prompt,不会替你跑数据集或生成图片文件;复杂交互式仪表板需你自行选用 Dash、Plotly 等栈。原资料提到避免无必要的 3D 图、保持尺度一致——在地理或层级数据上仍要按领域规范单独校验。
使用场景
- 写完 SQL 或 pandas 聚合后,要在一页里向业务方展示指标分布与异常点
- 季度汇报前,需要把多变量相关性从表格改成热力图或散点矩阵
- 实验或 A/B 结果文档里,要对比多组分布并选用箱线图或脊线图而非堆砌条形
- 投稿或内部分享材料中,要把时间序列趋势做成带单位与图例的可发表折线/面积图
适合人员
- 用 Python 做 EDA、却总在图表类型上反复推翻重画的分析工程师
- 每周向管理层出经营/产品周报、需要统一配色与标注规范的数据分析师
- 写论文或技术博客、要把统计结果做成可读图表的研究与内容作者
- 搭建内网报表原型、需要先定图表族与设计原则再选手绘或代码实现的产品数据同学