/create-viz - 创建可视化

如果你看到不熟悉的占位符或需要检查已连接的工具，请参阅 CONNECTORS.md。

使用 Python 创建出版级数据可视化。根据数据生成图表，遵循清晰、准确和设计方面的最佳实践。

用法

/create-viz <数据源> [图表类型] [附加说明]

工作流程

1. 理解需求

确定：

2. 获取数据

如果数据仓库已连接且需要查询数据：

  1. 编写并执行查询
  2. 将结果加载到 pandas DataFrame 中

如果数据是粘贴或上传的：

  1. 将数据解析到 pandas DataFrame 中
  2. 根据需要清理和准备（类型转换、空值处理）

如果数据来自对话中之前的分析：

  1. 引用现有数据

3. 选择图表类型

如果用户未指定图表类型，根据数据和问题推荐：

数据关系 推荐图表
随时间变化的趋势 折线图
类别间比较 柱状图（类别多时用水平柱状图）
部分与整体的构成 堆叠柱状图或面积图（避免饼图，除非少于 6 个类别）
值分布 直方图或箱线图
两个变量间的相关性 散点图
两个变量随时间比较 双轴折线图或分组柱状图
地理数据 等值线图
排名 水平柱状图
流程 桑基图
关系矩阵 热力图

如果用户未指定，简要解释推荐理由。

4. 生成可视化

根据需求使用以下库之一编写 Python 代码：

代码要求：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 设置专业风格
plt.style.use('seaborn-v0_8-whitegrid')
sns.set_palette("husl")

# 创建适当尺寸的图形
fig, ax = plt.subplots(figsize=(10, 6))

# [图表特定代码]

# 始终包含：
ax.set_title('清晰、描述性的标题', fontsize=14, fontweight='bold')
ax.set_xlabel('X 轴标签', fontsize=11)
ax.set_ylabel('Y 轴标签', fontsize=11)

# 适当格式化数字
# - 百分比：'45.2%' 而不是 '0.452'
# - 货币：'$1.2M' 而不是 '1200000'
# - 大数字：'2.3K' 或 '1.5M' 而不是 '2300' 或 '1500000'

# 移除图表垃圾元素
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.savefig('chart_name.png', dpi=150, bbox_inches='tight')
plt.show()

5. 应用设计最佳实践

颜色：

排版：

布局：

准确性：

6. 保存和呈现

  1. 将图表保存为 PNG 文件，使用描述性名称
  2. 向用户展示图表
  3. 提供使用的代码，方便用户修改
  4. 建议变体（不同的图表类型、不同的分组方式、缩放的时间范围）

示例

/create-viz 显示过去 12 个月的月度收入，用折线图并突出显示趋势
/create-viz 这是我们按产品划分的 NPS 数据：[粘贴数据]。创建一个水平柱状图，按分数排名产品。
/create-viz 查询 orders 表，创建一个关于星期几和小时的订单量热力图

技巧