csv-data-visualizer

CSV 数据可视化

概述

此技能可对 CSV 文件进行全面的数据可视化和分析。它提供三项主要功能：（1）使用 Plotly 创建单个交互式可视化图表，（2）自动生成数据概况和统计摘要，以及（3）生成多图表仪表板。此技能针对探索性数据分析、统计报告和制作可直接用于演示的可视化图表进行了优化。

何时使用此技能

当用户提出以下请求时，调用此技能：

• “可视化这些 CSV 数据”
• “根据这些数据创建直方图／散点图／箱线图”
• “显示 [column] 的分布”
• “为此数据集生成仪表板”
• “分析此 CSV 文件的数据概况”或“分析这些数据”
• “创建相关性热力图”
• “显示随时间变化的趋势”
• “比较不同 [categories] 下的 [variable]”

核心功能

1. 单个可视化图表

使用 visualize_csv.py 脚本创建特定类型的图表，以进行详细分析。

可用图表类型：

统计图表：

# Histogram - distribution of numeric data
python3 scripts/visualize_csv.py data.csv --histogram column_name --bins 30

# Box plot - show quartiles and outliers
python3 scripts/visualize_csv.py data.csv --boxplot column_name

# Box plot grouped by category
python3 scripts/visualize_csv.py data.csv --boxplot salary --group-by department

# Violin plot - distribution with probability density
python3 scripts/visualize_csv.py data.csv --violin column_name --group-by category

关系分析：

# Scatter plot with automatic trend line
python3 scripts/visualize_csv.py data.csv --scatter height weight

# Scatter plot with color and size encoding
python3 scripts/visualize_csv.py data.csv --scatter x y --color category --size value

# Correlation heatmap for all numeric columns
python3 scripts/visualize_csv.py data.csv --correlation

时间序列：

# Line chart for single variable
python3 scripts/visualize_csv.py data.csv --line date sales

# Multiple variables on same chart
python3 scripts/visualize_csv.py data.csv --line date "sales,revenue,profit"

分类数据：

# Bar chart (counts categories automatically)
python3 scripts/visualize_csv.py data.csv --bar category

# Pie chart for composition
python3 scripts/visualize_csv.py data.csv --pie region

输出格式： 使用所需格式的扩展名指定输出文件：

# Interactive HTML (default)
python3 scripts/visualize_csv.py data.csv --histogram age -o output.html

# Static image formats
python3 scripts/visualize_csv.py data.csv --scatter x y -o plot.png
python3 scripts/visualize_csv.py data.csv --correlation -o heatmap.pdf
python3 scripts/visualize_csv.py data.csv --bar category -o chart.svg

2. 自动数据概况分析

使用 data_profile.py 脚本生成全面的数据质量和统计报告。

文本报告（默认）：

python3 scripts/data_profile.py data.csv

HTML 报告：

python3 scripts/data_profile.py data.csv -f html -o report.html

JSON 报告：

python3 scripts/data_profile.py data.csv -f json -o profile.json

概况分析工具提供的内容：

• 文件信息（大小、维度）
• 数据集概览（形状、内存用量、重复项）
• 逐列分析（类型、缺失数据、唯一值）
• 缺失数据模式和完整性
• 数值列的统计摘要（均值、标准差、四分位数、偏度、峰度）
• 分类列分析（频数统计、最常见／最少见的值）
• 数据质量检查（大量缺失数据、重复行、常量列、高基数）

何时使用概况分析： 在创建可视化图表之前，遇到以下情况时始终建议先进行数据概况分析：

• 用户不熟悉此数据集
• 数据质量未知
• 需要确定合适的可视化图表类型
• 首次探索新数据集

3. 多图表仪表板

使用 create_dashboard.py 脚本创建包含多个可视化图表的综合仪表板。

自动仪表板： 分析数据类型并自动创建合适的可视化图表：

python3 scripts/create_dashboard.py data.csv

自定义输出位置：

python3 scripts/create_dashboard.py data.csv -o my_dashboard.html

控制图表数量：

python3 scripts/create_dashboard.py data.csv --max-plots 9

根据配置创建自定义仪表板： 创建 JSON 配置文件，指定确切的图表：

python3 scripts/create_dashboard.py data.csv --config config.json

仪表板配置格式：

{
  "title": "Sales Analysis Dashboard",
  "plots": [
    {"type": "histogram", "column": "revenue"},
    {"type": "box", "column": "revenue", "group_by": "region"},
    {"type": "scatter", "column": "advertising", "group_by": "revenue"},
    {"type": "bar", "column": "product_category"},
    {"type": "correlation"}
  ]
}

仪表板图表类型：

• histogram：数值列的分布
• box：箱线图，可按类别分组
• scatter：两个数值列之间的关系
• bar：分类值的计数
• correlation：数值相关性的热力图

工作流决策树

使用此决策树确定合适的方法：

User provides CSV file
│
├─ "Profile this data" / "Analyze this data" / Unfamiliar dataset
│  └─> Run data_profile.py first
│     Then offer visualization options based on findings
│
├─ "Create dashboard" / "Overview of the data" / Multiple visualizations needed
│  ├─ User knows exact plots wanted
│  │  └─> Create JSON config → run create_dashboard.py with config
│  └─ User wants automatic dashboard
│     └─> Run create_dashboard.py (auto mode)
│
└─ Specific visualization requested ("histogram", "scatter plot", etc.)
   └─> Use visualize_csv.py with appropriate flag

最佳实践

开始分析

1. 对于不熟悉的数据集，始终先进行概况分析：python3 scripts/data_profile.py data.csv
2. 查看概况分析结果，以了解：
   • 列的数据类型和取值范围
   • 缺失数据模式
   • 数据质量问题
   • 统计分布

选择可视化图表

请参阅 references/visualization_guide.md 获取详细指南。快速参考：

• 分布：直方图、箱线图、小提琴图
• 关系：散点图、相关性热力图
• 时间序列：折线图
• 类别：条形图（优先）或饼图（谨慎使用）
• 比较：按类别分组的箱线图

创建仪表板

• 自动仪表板：适合初步探索
• 自定义仪表板：更适合演示或特定分析目标
• 限制图表数量：为保证可读性，最多保留 6–9 个图表
• 合理分组：将相关的可视化图表放在一起

输出注意事项

• HTML：最适合交互式探索（缩放、平移、悬停提示）
• PNG/PDF：最适合报告和演示文稿
• SVG：最适合需要矢量图形的出版物

依赖项

这些脚本需要以下 Python 包：

pip install pandas plotly numpy

如需导出静态图片（PNG、PDF、SVG），还需安装：

pip install kaleido

示例工作流

探索性数据分析

# 1. Profile the data
python3 scripts/data_profile.py sales_data.csv -f html -o profile.html

# 2. Create automatic dashboard
python3 scripts/create_dashboard.py sales_data.csv -o dashboard.html

# 3. Dive deeper with specific plots
python3 scripts/visualize_csv.py sales_data.csv --scatter price sales --color region
python3 scripts/visualize_csv.py sales_data.csv --boxplot revenue --group-by product

生成报告

# Create specific visualizations for report
python3 scripts/visualize_csv.py data.csv --histogram age -o fig1_distribution.png
python3 scripts/visualize_csv.py data.csv --scatter income age -o fig2_correlation.png
python3 scripts/visualize_csv.py data.csv --bar category -o fig3_categories.png

# Generate data summary
python3 scripts/data_profile.py data.csv -f html -o data_summary.html

交互式仪表板

# Create custom dashboard for presentation
# 1. First, create config.json with desired plots
# 2. Generate dashboard
python3 scripts/create_dashboard.py data.csv --config config.json -o presentation_dashboard.html

故障排除

“找不到列”错误：

• 运行数据分析以查看确切的列名
• CSV 列名区分大小写
• 检查列名是否有前导或尾随空格

可视化为空或不正确：

• 验证数据类型（数值型还是类别型）
• 检查绘图所用的列中是否存在缺失数据
• 确保存在足够多的非空值

脚本执行错误：

• 验证是否已安装依赖项：pip list | grep plotly
• 检查 Python 版本：需要 Python 3.6+
• 如果遇到图片导出问题，请安装 kaleido：pip install kaleido

资源

scripts/

• visualize_csv.py：主可视化脚本，支持所有图表类型
• data_profile.py：自动数据分析和质量分析
• create_dashboard.py：多图表仪表板生成器

references/

• visualization_guide.md：选择合适图表类型、最佳实践和常见模式的综合指南