AI Agent 数据可视化工作流

问题

数据可视化常见瓶颈不是画不出图，而是 Agent 拿到结构化数据后容易默认套用模板：趋势用柱状图、关系用饼图、缺失值造成断口、颜色过多、坐标轴没有单位、类别标签过长。真正需要的是从分析问题出发，输出能放进报告、幻灯片或仪表盘的图表。

技能如何工作

本技能给 Agent 一套数据可视化流程：先检查变量类型、时间粒度、类别数量和用户要突出的关系，再把目标匹配到图表形式。类别对比用条形图，时间趋势用折线图，连续变量关系用散点图，分布用直方图或 KDE，组间分布用箱线图或小提琴图，相关矩阵用热力图，比例构成用堆叠条或饼图，交互探索用 plotly。

核心能力包括：

• 静态图表：用 matplotlib 控制坐标轴、图例、注释和导出细节，用 seaborn 使用合理默认值完成统计绘图。
• 交互图表：用 plotly 或 plotly.express 生成带悬停、缩放和平移的 HTML。
• 出版细节：保持色盲友好调色板、可读数字格式、单位标注、图幅尺寸，印刷场景建议 150+ DPI。
• 边缘情况：条形过多时聚合为“其他”或改用树状图；散点重叠时使用透明度、抖动或密度图；折线缺失值可插值或断开；偏斜数据使用对数轴并明确标注。

适用边界

适合结构化数据的探索、报告插图、仪表盘原型，以及需要从问题反推图表类型。它不是自动 BI 工具，不会替代业务口径定义；如果指标口径不清、缺失严重或需要实时高交互，先做数据清洗和需求定义。对于类别很多的比例问题，优先使用堆叠条、分面或小倍数图，而不是继续增加颜色。