收益：
- 通过将生成图形（而不是图形的图片）的代码打印到人工智能并自行运行，能够获得确定性和可重复的结果
- 能够根据具有价值、完整性、规模和总和校验和的数据来验证图表输出
- 能够施加诚实规则（从轴 0、直接标签、源注释）并依靠代码而不是口头猜测
您选择了正确的图表类型；现在是时候生产它了。这里人工智能最可靠的用途不是要求它“绘制”图表，而是打印生成图表的代码并自己运行该代码。从哪里？因为大语言模型就是文本生成器；可以口头“猜测”一个数字，但代码按原样处理数据并产生确定性结果（始终为相同的输入提供相同的输出）。在本单元中，我们将学习如何将图形代码（主要是 Python）打印到 AI 并验证输出。
为什么要编码，为什么要运行？
询问语言模型“销售总额是多少？”如果你问的话，它实际上并不收集数据；而是收集数据。生成一个可能的数字。但是，如果将聚合代码打印到其中并运行它，则结果来自真实数据。图表也是如此：模型生成的代码在您的计算机上的数据上运行。该代码也是可重复的：当数据更新时，您可以再次运行代码并刷新图表。
常用工具：matplotlib和seaborn（静态绘图）、plotly（交互式绘图）用Python语言；还有电子表格程序和 BI（商业智能）工具。在本单元中，我们将使用 Python/matplotlib 给出示例，因为它是最常见的；每辆车的原理都是相同的。
提示：不要说“给我一张图表的图片”，而是说“给我生成图表的代码，我将运行它”。这样，结果来自真实数据，您可以根据需要进行任意调整。
一步一步：从代码到图形
- 确定图形类型和消息（上一单元）。
- 向模型描述数据结构（列名称、类型；非敏感数据）。
- 生成代码，将诚实规则放入提示中（从轴 0、标签、源注释）。
- 自己运行代码并查看图表。
- 检查：图表中的值与数据中的值是否相同？总数/股是否持有？
- 改进：将标题更改为动作标题，删除不必要的内容，添加突出显示颜色。
你的角色：Python数据可视化助手。我有一个 CSV：列“月份”(YYYY-MM)、“频道”（文本）、“收入”（数字）。用 matplotlib 编写 LINE 图形代码：- 每个通道都是一条单独的线，x=月，y=来。- 让 y 轴从 0 开始（不要剪切）。- 直接将标签放在线的末尾，不需要单独的图例。- 在标题中放置操作标题的占位符。- 在右下角添加一个小“来源：[ ... ]”注释。使代码完整且可执行，并编写示例读取行。拟合数字；从 CSV 读取数据。
要修复现有图表：
修复此 matplotlib 代码：(1) 按值从大到小对条进行排序，(2) 仅将最高的条设为橙色，其余条设为灰色，(3) 使 y 轴从 0 开始，(4) 使用千位分隔符格式化小数。返回完整的代码。代码：[...]
对于交互式图表（对于仪表板）：
使用 Plotly 使用相同的数据编写交互式折线图代码：鼠标悬停将显示月份和收入，并且可以过滤渠道。让轴从0开始。给出完整的代码。
验证：图表是“正确的”，而不是“漂亮的”？
工作并没有因为图形输出就结束了。三个校验和：
- 提供价值：手动/表格检查 2-3 个随机点。图表上的最高柱真的是最高的吗？
- 总计/份额验证：部分-整体图表中的份额是否已完成 100%？
- 视觉诚实：轴是否从 0 开始，比例是否线性，单位是否相同？ （详细内容见下一个单元。）
控制
如何护理
红旗
价值
将 2-3 个点与数据进行比较
图形数据不匹配
诚信
是否缺少任何月份/类别？
间隙被默默跳过
规模
Y 轴从哪里开始
不为0，差异被夸大
总计
股数/总数
它并不能保持100%
注意：模型有时会“补全”数据中缺失的月份或默默地丢弃缺失的行。查看图表上的点数是否与数据中的行数匹配。
三个迷你箱子
案例 1 — 代码节拍预测。分析师首先询问模型“总数是多少？”他问道，得到的答案是“约420万”。然后他打印出加法代码并运行：实际总数是387万。口头预测的错误率为 8%。从那天起，他就从密码中得到了每一个数字。
情况 2 — 无声缺线。一个团队制作了月度图表；一切看起来都很好。但 3 月份的数据是空白的，图表跳过了它，将 2 月份与 4 月份联系起来；它看起来很柔软，因为它很流行。他们注意到了点的数量（应该是 12，而不是 11）并进行了修正；实际趋势出现了跳跃。
案例 3 — 再现性。一位营销人员每个月都会手工绘制图表（大约 40 分钟）。一旦他安装了人工智能编写的代码；在接下来的几个月中，我们花了 2 分钟时间输入新的 CSV 并运行代码。每月节省 38 分钟，并且不再出现手动复印错误。
弱提示/强提示
弱：
绘制此销售数据的图表。
模型可以拟合图片或给出随机代码；数据没有被实际处理，没有诚实设置。
强的：
您的角色：Python/matplotlib 助手。数据：CSV，列“region”（文本）、“buyume_percentage”（数字，可以为负数）。编写水平条形图代码：按值排序，突出显示最高区域，添加 y=0 参考线（显示负数），在条形末端放置百分比标签。提供可执行代码、从 CSV 读取、数字拟合。为标题放置一个操作标题占位符。
第二个包括数据结构、诚实规则和“从代码中读取，不要编造”原则；输出既准确又可编辑。
工具选择：何时使用电子表格，何时使用代码？
您不必为每个图表编写代码。对于小型、一次性、简单的图表，电子表格（Excel、Google 电子表格）通常就足够且快速。代码在以下情况下获胜：数据定期更新（每月刷新同一个图表）、图表复杂或数量众多（例如小型多个图表）、需要完全控制（完整性设置、自定义标签），或者结果的可重复性很重要。你可能还会问哪一种适合人工智能。
状态
合适的车辆
为什么
一次性简单酒吧
电子表格
速度快，无需代码
报告每月更新
代码（Python）
编写一次，再次运行
交互式/过滤仪表板
代码（绘图）/BI 工具
需要互动
很多小图形
代码
手绘很累而且不准确
您的角色：数据可视化顾问。我需要生成以下图表：[食谱]。数据更新[多久]一次，需要[多少]个不同的图表。电子表格或 Python 代码哪个更有意义？证明你的决定合理；您推荐哪个库用于代码？
提示：“我每个月都会这样做一次吗？”如果问题的答案是“是”，那么代码投资几乎总是能收回成本。如果是一次性的，一张电子表格就足够了。
常见错误
- 请求图表的“图片”：当您请求图像而不是代码时，数据实际上并未被处理。
- 信任代码而不执行它：将输出放在幻灯片上而不进行视觉验证。
- 不提供值验证：不将图表上的点与数据进行比较。
- 没有看到丢失/跳过的行：没有检查点数。
- 将其视为一次性工作：不保留代码，每个月从头开始。
总之
向人工智能询问生成图表的代码，而不是图表的图片，然后自己运行该代码；因为代码按原样处理数据并给出确定性和可重复的结果。描述数据结构，将完整性规则（从轴 0、标签、源）放入请求中，使用 value-integrity-scale-sum 哈希值验证输出。代码每次都胜过口头预测；但最终的控制权是你的。
应用任务
对于你的数据文件：（1）向人工智能描述数据结构并打印图形生成代码（带有诚实规则）。 (2) 运行代码并手动将图表中的2-3个值与数据进行比较。 (3) 在同一代码中，按值对条形进行排序并添加单一突出显示颜色。 (4) 保存代码以供下个月再次使用。
清单
- [ ] 我想要并运行生成图表的代码，而不是生成图表的图片。
- [ ] 代码从真实文件中读取数据，不补数字。
- [ ]我将图表中的2-3个值与数据进行了比较。
- [ ] 点/类别的数量与数据中的行兼容。
- [ ] Y轴和刻度是诚实的；没有轴中断。
- [ ] 我保存了代码以便再次使用。