Gevinster:
- Evne til å oppnå deterministiske og repeterbare resultater ved å skrive ut koden som produserer grafen, ikke bildet av grafen, til den kunstige intelligensen og kjøre den selv
- Evne til å validere diagramutdata mot data med verdi, integritet, skala og sum kontrollsummer
- Evne til å pålegge ærlighetsregler (fra akse 0, direkte etikett, kildenotat) og stole på kode i stedet for verbal gjetting
Du har valgt riktig diagramtype; Nå er det på tide å produsere det. Den mest pålitelige bruken av kunstig intelligens her er ikke å be den om å "tegne" grafen, men å skrive ut koden som produserer grafen og kjøre den koden selv. Hvorfra? Fordi den store språkmodellen er tekstgeneratoren; kan verbalt "gjette" et tall, men koden behandler dataene som de er og produserer et deterministisk resultat (gir alltid samme utgang til samme inngang). I denne enheten lærer vi hvordan du skriver ut grafisk kode (for det meste Python) til AI og verifiserer utdataene.
Hvorfor kode, hvorfor kjøre?
Spør en språkmodell "hva er salget totalt?" Hvis du spør, samler den faktisk ikke inn dataene; Genererer et mulig tall. Men hvis du skriver ut aggregeringskoden til den og kjører den, kommer resultatet fra de virkelige dataene. Det samme gjelder diagrammet: koden modellen genererer kjører på dataene dine, på maskinen din. Koden er også repeterbar: når dataene er oppdatert, kjører du koden på nytt og oppdaterer diagrammet.
Vanlige verktøy: matplotlib og seaborn (statisk plot), plott (interaktivt plot) med Python-språk; også regnearkprogrammer og BI-verktøy (business intelligence). I denne enheten vil vi gi eksempler på bruk av Python/matplotlib fordi det er det vanligste; Prinsippet er det samme i alle kjøretøy.
Tips: I stedet for "gi meg et bilde av diagrammet", si "gi meg koden som produserer diagrammet, så kjører jeg det." På denne måten kommer resultatet fra ekte data og du kan gjøre så mange justeringer du vil.
Trinn for trinn: fra kode til grafikk
- Bestem grafisk type og melding (forrige enhet).
- Beskriv datastrukturen til modellen (kolonnenavn, typer; ikke sensitive data).
- Få generert koden, legg ærlighetsreglene i ledeteksten (fra akse 0, tag, kildenotat).
- Kjør koden selv og se på grafen.
- Sjekk: Er verdien i diagrammet den samme som verdien i dataene? Holder totalen/andelen?
- Forbedre: Endre tittel til handlingstittel, slett unødvendig, legg til uthevingsfarge.
Din rolle: Python-datavisualiseringsassistent. Jeg har en CSV: kolonnene "måned" (ÅÅÅÅ-MM), "kanal" (tekst), "inntekt" (tall). Skriv en LINE grafkode med matplotlib:- Hver kanal er en egen linje, x=måned, y=come.- La y-aksen starte fra 0 (ikke klipp).- Sett etiketter direkte på slutten av linjene, en egen forklaring er ikke nødvendig.- Sett en plassholder for handlingstittelen i tittelen.- Legg til en liten "Kilde: [ ... ]" note. Gjør koden komplett og kjørbar, skriv også eksempelleselinjen. TILPASSE NUMMERET; lese data fra CSV.
For å fikse et eksisterende diagram:
Fiks denne matplotlib-koden: (1) sorter stolpene etter verdi fra størst til minste, (2) gjør bare den høyeste streken oransje og resten grå, (3) gjør y-aksen til å starte på 0, (4) formater desimaler med tusenvis skilletegn. Returner koden i sin helhet. Kode: [ ... ]
For interaktivt diagram (for dashbord):
Skriv en interaktiv linjediagramkode ved å bruke Plotly med de samme dataene: Hvis du holder musen over, vises måneden og inntekten, og kanaler kan filtreres. La aksen starte fra 0. Oppgi hele koden.
Validering: er diagrammet "riktig", ikke "pent"?
Jobben er ikke over bare fordi grafikken skrives ut. Tre sjekksummer:
- Oppgi verdi: Sjekk 2-3 tilfeldige poeng for hånd/bord. Er den høyeste søylen på diagrammet virkelig den høyeste?
- Total-/andelsverifisering: Er andelene fullført til 100 % i hele diagrammet?
- Visuell ærlighet: Begynner aksen på 0, er skalaen lineær, er det samme enhet? (Detaljer i neste enhet.)
kontroll
Hvordan bry seg
rødt flagg
Verdi
Sammenlign 2-3 poeng med data
Grafdata samsvarer ikke
integritet
Er det noen måneder/kategorier som mangler?
Gapet ble stille hoppet over
skala
Hvor starter Y-aksen
ikke 0, forskjellen er overdrevet
Totalt
Aksjer/totaler
Det holder ikke 100%
Forsiktig: Modellen "fullfører" noen ganger måneder som mangler fra dataene eller forkaster den manglende raden stille. Se om antall punkter på diagrammet samsvarer med antall rader i dataene.
tre minisaker
Tilfelle 1 - Forutsigelse av kodeslag. En analytiker spør først modellen "hvor mye er totalen?" spurte han, og fikk svaret «≈4,2 millioner». Så skrev han ut tilleggskoden og kjørte den: den faktiske totalen var 3,87 millioner. Den verbale prediksjonen var 8 % feil. Fra den dagen av fikk han hvert tall fra koden.
Tilfelle 2 — Stille manglende linje. Ett lag fikk det månedlige diagrammet produsert; alt så bra ut. Men mars var blank i dataene, og diagrammet hoppet over det og koblet februar til april; Den så myk ut fordi den var på trend. De la merke til antallet prikker (det burde vært 12 i stedet for 11) og korrigerte det; Det var et hopp i den faktiske trenden.
Tilfelle 3 – Reproduserbarhet. En markedsfører tegnet diagrammer for hånd hver måned (ca. 40 minutter). En gang installerte han koden skrevet av den kunstige intelligensen; I de påfølgende månedene tok det 2 minutter å legge inn den nye CSV-en og kjøre koden. Sparte 38 minutter per måned og ingen flere manuelle kopieringsfeil.
Svak forespørsel / Sterk forespørsel
Svak:
Tegn graf disse salgsdataene.
Modellen kan passe til et bilde eller gi tilfeldig kode; dataene blir faktisk ikke behandlet, det er ingen ærlighetsinnstillinger.
Sterk:
Din rolle: Python/matplotlib-hjelper. Data: CSV, kolonnene "region" (tekst), "buyume_percentage" (tall, kan være negativt). Skriv horisontal strekdiagramkode: sorter etter verdi, fremhev høyeste område, legg til y=0 referanselinje (vis negativer), legg prosentetiketter ved søyleender. Gi kode kjørbar, lest fra CSV, nummertilpasning. Sett en plassholder for handlingstittelen for tittelen.
Det andre inkluderer datastruktur, ærlighetsregler og prinsippet "les fra kode, ikke gjør det opp"; Utgangen er både nøyaktig og redigerbar.
Verktøyvalg: når regneark, når kode?
Du trenger ikke å skrive kode for hvert diagram. For et lite enkelt diagram, er et regneark (Excel, Google Spreadsheets) ofte tilstrekkelig og raskt. Koden vinner når: dataene oppdateres regelmessig (oppdaterer det samme diagrammet hver måned), diagrammet er komplekst eller mange (for eksempel små flere diagrammer), full kontroll kreves (integritetsinnstillinger, tilpasset merking), eller det er viktig at resultatet er repeterbart. Du kan også spørre hvilken som er egnet for kunstig intelligens.
Status
egnet kjøretøy
Hvorfor
Engangs enkel bar
regneark
Rask, ingen kode kreves
Rapporten oppdateres hver måned
Kode (Python)
Skriv en gang, løp igjen
Interaktivt/filter dashbord
Kode (plott) / BI-verktøy
interaksjon nødvendig
Mye liten grafikk
Kode
Å tegne for hånd er slitsomt og unøyaktig
Din rolle: Datavisualiseringskonsulent. Jeg må lage følgende graf: [oppskrift]. [Hvor ofte] oppdateres dataene, [hvor mange] forskjellige diagrammer kreves. Er et regneark eller Python-kode mer fornuftig? Begrunn avgjørelsen din; Hvilket bibliotek anbefaler du for kode?
Hint: "Gjør jeg dette igjen hver måned?" Hvis svaret på spørsmålet er «ja», betaler kodeinvesteringen seg nesten alltid tilbake. Hvis det er en engang, vil et regneark være tilstrekkelig.
Vanlige feil
- Be om et "bilde" av diagrammet: Når du ber om et bilde i stedet for kode, blir dataene faktisk ikke behandlet.
- Stole på koden uten å kjøre den: Sette utdataene på lysbildet uten å visuelt bekrefte det.
- Gir ikke verdivalidering: Sammenligner ikke poeng på diagrammet med data.
- Ser ikke den manglende/hoppede linjen: Sjekker ikke antall prikker.
- Behandle det som en engangsjobb: Ikke holde koden og starte fra bunnen av hver måned.
Oppsummert
Be den kunstige intelligensen om koden som produserer grafen, ikke bildet av grafen, og kjør den koden selv; fordi koden behandler dataene som de er og gir deterministiske og repeterbare resultater. Beskriv datastrukturen, legg integritetsregler (fra akse 0, etikett, kilde) i forespørselen, valider utdataene med verdi-integritet-skala-sum-hasher. Kode slår verbal prediksjon hver gang; Men endelig kontroll er din.
Søknadsoppgave
For en datafil av deg: (1) Beskriv datastrukturen til AI og skriv ut en grafgenereringskode (med ærlighetsregler). (2) Kjør koden og sammenlign manuelt 2-3 verdier i diagrammet med dataene. (3) I den samme koden, sorter stolpene etter verdi og legg til en enkelt uthevingsfarge. (4) Lagre koden for å bruke den igjen neste måned.
sjekkliste
- [ ] Jeg ønsket og kjørte koden som produserer diagrammet, ikke bildet av det.
- [ ] Koden leser dataene fra den virkelige filen, den utgjør ikke tall.
- [ ] Jeg sammenlignet 2-3 verdier i diagrammet med dataene.
- [ ] Antall poeng/kategorier er kompatibelt med radene i dataene.
- [ ] Y-aksen og skalaen er ærlig; Det er ingen akseavbrudd.
- [ ] Jeg lagret koden for å bruke den igjen.