Agent Skills Finder
I

data-visualization

作者 inferen-sh

面向实战的数据可视化指南，重点讲解图表类型选择、配色方案以及标注的最佳实践。了解在什么场景下使用柱状图、折线图、散点图和热力图，如何清晰标注坐标轴，以及如何为仪表盘、报告和演示文稿用数据讲一个简洁有力的故事。

Stars0
收藏0
评论0
收录时间2026年3月27日
分类数据可视化
安装命令
npx skills add https://github.com/inferen-sh/skills --skill data-visualization
CliPythonMatplotlibCSV幻灯片Google 表格电子表格报告制作
概览

概览

这个技能能做什么

data-visualization 技能是一套专注的数据可视化指南，帮你把原始数据转化为清晰、高效的图表。它可以帮助你：

  • 选择合适的图表类型（柱状图、折线图、散点图、热力图等）
  • 运用基础色彩理论，让图表易读且兼顾可访问性
  • 设置合理的坐标轴、刻度和标签，让数字易于理解
  • 标注关键信息，让受众能快速抓住核心结论

该技能围绕使用 Python 和 matplotlib 的具体可复现工作流构建，并通过 inference.sh CLI 来运行。示例演示了如何从表格数据（如 CSV 或电子表格）生成可直接用于仪表盘、报告或演示文稿的生产级图片。

适用人群

如果你符合以下情况，建议使用 data-visualization 技能：

  • 数据分析师，需要为干系人提供一致、可解释的图表
  • 数据科学家，希望快速生成基于 matplotlib 的图表用于实验或汇报
  • 产品或运营负责人，要把 Google Sheets 或 CSV 导出的数据做成图表
  • 任何需要制作演示文稿、内部仪表盘或轻量 BI 视图的人

本技能聚焦于“分析结果的表达”，而不是定制 UI 组件或复杂 Web 仪表盘。如果你主要想要的是精美的前端可视化库（例如基于 D3.js 的自定义图表），那么这个技能更适合作为设计和工作流参考，而不是完整实现方案。

它解决哪些问题

本技能针对常见的数据可视化痛点进行设计：

  • 图表类型选择不清晰 – 帮你判断何时用柱状图、折线图、散点图或热力图，以及什么时候应避免使用饼图。
  • 坐标轴与刻度易误导 – 提供设置坐标轴范围、刻度间距的规则，避免产生误导性的视觉效果。
  • 颜色使用不当 – 讲解如何少量使用颜色突出重点，同时保持足够对比度与可访问性。
  • 标签难以阅读 – 教你如何撰写图表标题、标注坐标轴以及注释数据点，让关键信息一目了然。
  • 工作流割裂 – 演示如何把可视化整合进 CLI/Python 工作流，做到数据更新后自动重新生成图表。

如果你经常需要把电子表格或 CSV 数据制作成干净、可复用的图片，用于演示或报告，data-visualization 能为你提供一套可重复使用的模式。

使用方法

1. 安装 data-visualization 技能

要通过 skills CLI 将 data-visualization 技能添加到你的环境，运行：

npx skills add https://github.com/inferen-sh/skills --skill data-visualization

这会从 inferen-sh/skills 仓库中拉取技能定义和相关指南内容，路径为 guides/design/data-visualization。

安装完成后，你可以在支持 skills 的工具里直接浏览这些文件，或者在 GitHub 上查看：

  • 技能入口文件：SKILL.md
  • 指南路径：guides/design/data-visualization/

2. 配置 inference.sh CLI（运行代码示例所必需）

本技能的快速上手工作流使用 inference.sh CLI（infsh）来运行 Python，并通过 matplotlib 生成图表。

按照技能中引用的 CLI 安装文档进行安装：

  1. 打开 CLI 安装指南：
    • https://raw.githubusercontent.com/inference-sh/skills/refs/heads/main/cli-install.md
  2. 为你的平台安装 infsh CLI。
  3. 进行认证：
infsh login

安装并登录 infsh 之后，你就可以运行 data-visualization 技能中用到的示例应用。

3. 使用 Python 和 matplotlib 生成图表

核心工作流是：把一段简短的 Python 脚本发送给一个运行 matplotlib 的 infsh app，由它生成并保存图像。技能中提供了一个现成示例，用于生成“月度收入”的柱状图：

infsh app run infsh/python-executor --input '{
  "code": "import matplotlib.pyplot as plt\nimport matplotlib\nmatplotlib.use(\"Agg\")\n\nmonths = [\"Jan\", \"Feb\", \"Mar\", \"Apr\", \"May\", \"Jun\"]\nrevenue = [42, 48, 55, 61, 72, 89]\n\nfig, ax = plt.subplots(figsize=(10, 6))\nax.bar(months, revenue, color=\"#3b82f6\", width=0.6)\nax.set_ylabel(\"Revenue ($K)\")\nax.set_title(\"Monthly Revenue Growth\", fontweight=\"bold\")\nfor i, v in enumerate(revenue):\n    ax.text(i, v + 1, f\"${v}K\", ha=\"center\", fontweight=\"bold\")\nplt.tight_layout()\nplt.savefig(\"revenue.png\", dpi=150)\nprint(\"Saved\")"
}'

这个脚本演示了本技能所强调的几项最佳实践：

  • 使用 柱状图 展示离散的月度数值
  • 为柱子应用统一且对比度高的颜色
  • 使用清晰的坐标轴标签（Revenue ($K)）和有信息量、加粗的标题
  • 在每个柱子上方做简单标注，让数值一眼能看清

运行命令后，你会得到一个 revenue.png 文件，可以：

  • 插入到演示文稿（slide decks）
  • 附在邮件报告中
  • 发布到内部仪表盘

你可以在保持图表选择、标注和配色规则不变的前提下，通过修改 Python 代码，将这一模式扩展到其他类型的图表（折线图、散点图、热力图等）。

4. 将图表选择指南应用到你的数据

在 data-visualization 技能内容中，你会找到一份 Chart Selection Guide，其中包括一个名为 Which Chart for Which Data? 的章节。它会帮助你把数据类型和分析问题映射到合适的图表，例如：

  • 随时间对比多个类别 → 折线图或分组柱状图
  • 在某一时间点对比多个类别 → 柱状图
  • 两个数值型变量之间的关系 → 散点图
  • 展示两个维度上的强度/密度（例如时间 vs 类别）→ 热力图

你可以用这份指南来决定如何可视化以下数据：

  • 来自分析工具的 CSV 导出（如按日会话量、按渠道收入）
  • 电子表格中的表格数据，例如 A/B 测试结果或问卷调查结果
  • 通过 Python 或 SQL 预处理好的数据，需要输出最终的图表图片用于报告

结合这份图表选择指南和上面的 Python/matplotlib 工作流，你可以用程序生成图片，而不是在 GUI 工具中手工制作每一张图。

5. 集成到你的报告与演示工作流

当你完成技能安装并打通 infsh pipeline 后，可以：

  • 自动化生成周期性图表：在脚本中封装 infsh app run 调用，自动拉取最新 CSV 数据，更新 Python 代码（或数据变量），并保存最新的 PNG 文件。
  • 统一视觉风格：在多张图表中复用同一套颜色、字体和布局规范，让仪表盘和演示文稿视觉风格保持一致。
  • 用于演示导出：将生成的 PNG 插入 PowerPoint、Keynote、Google Slides 或基于 Web 的仪表盘。

当你希望从电子表格或 CSV 数据到“可发布图表”的路径可以通过命令行或 Python 稳定复用时，data-visualization 技能尤其有价值。

6. 优先阅读哪些文件

安装完成后，建议先阅读以下关键文件，以更好地使用该技能：

  • SKILL.md – 技能的高层描述、快速上手命令和背景说明。
  • guides/design/data-visualization/ – 关于图表类型、坐标轴、配色和标注的详细规则。

设计新图表或重构现有仪表盘时，可以把它们当作检查清单来使用。

适用与不适用的场景

在以下情况下，适合使用 data-visualization 技能：

  • 你主要处理的是 表格数据（CSV、电子表格、SQL 导出）。
  • 你希望在报告和演示文稿中 统一图表质量。
  • 你习惯运行 CLI 命令，并能看懂基础的 Python/matplotlib 代码片段。

在以下情况下，本技能可能不太适合：

  • 你需要 JavaScript 可视化库来实现复杂的交互式 Web 图表（例如大型 D3.js 项目）。
  • 你在搭建一个完整的 BI 平台，需要的是成套仪表盘软件，而不是图表设计指导。
  • 你不使用 inference.sh，或不想要 CLI 驱动的工作流；这种情况下，你仍然可以使用其中的概念性指南（图表选择、配色、标注），但需要自行适配到你的工具中。

常见问题（FAQ）

如何安装 data-visualization 技能？

使用 skills CLI 安装：

npx skills add https://github.com/inferen-sh/skills --skill data-visualization

这会把 inferen-sh/skills 仓库中的 data-visualization 指南添加到你的环境，方便你随时查阅其中的图表选择和可视化规则。

使用这个技能时必须安装 inference.sh CLI 吗？

如果你想“原样运行”技能中提供的 Python/matplotlib 示例，就需要安装 infsh CLI。技能的快速上手部分已经明确说明了这一要求，并提供 CLI 安装指南链接。如果你更喜欢其他工具（例如本地运行 Python、使用 Jupyter 或其他环境），也可以只参考其中的概念性指导（图表选择、色彩理论、标注），并自行改写示例代码。

data-visualization 可以处理 CSV 或电子表格数据吗？

可以。推荐的工作流是：

  1. 在 Python 中加载 CSV 或电子表格数据。
  2. 将其转换成适合绘图的 list 或 array。
  3. 使用 matplotlib（参照技能示例）生成图表。
  4. 将图表保存为 PNG 文件，用于仪表盘、报告或演示文稿。

data-visualization 技能的重点在于如何选择和设计图表；你可以接入任何你掌控的表格数据源。

这个技能涵盖哪些图表类型？

本技能明确提到多种图表类型，包括：

  • 柱状图（Bar charts）
  • 折线图（Line charts）
  • 散点图（Scatter plots）
  • 热力图（Heatmaps）

同时也会讨论饼图的常见问题及应在何种场景下用其他图表替代。Chart Selection Guide 会根据你的数据和沟通目标，帮助你在这些图表中做出选择。

这个技能只关注美观吗？对分析有没有帮助？

虽然本技能的首要目标是提升 可视化表达，但它也能支持分析工作流程，主要体现在：

  • 鼓励使用更能清楚呈现趋势、对比和关系的图表类型
  • 避免使用具有误导性的坐标轴或刻度
  • 使用标注高亮关键点

它并不是一门完整的数据分析课程，但面向分析师和数据科学家设计，帮助你把分析结果呈现得更容易理解、更值得信赖。

生成的图表可以嵌入到演示文稿和仪表盘中吗？

可以。Python/matplotlib 示例会输出静态图片（例如 revenue.png），你可以将其：

  • 插入 PowerPoint、Keynote 或 Google Slides
  • 上传到内部仪表盘或其他报表工具
  • 附在 PDF 或 HTML 报告中

由于图表是通过脚本生成的，当数据更新时，你可以随时重新生成图表，并在不同报告中保持视觉风格的一致性。

在哪里可以查看 data-visualization 的所有相关文件？

安装完成后，可以在 Files 选项卡中查看，或直接访问仓库：

  • https://github.com/inferen-sh/skills/tree/main/guides/design/data-visualization

在这里你可以查看 SKILL.md 及相关指南内容，以及该仓库中其他技能可能共用的参考资料。

评分与评论

暂无评分
分享你的评价
登录后即可为这个技能评分并发表评论。
G
0/10000
最新评论
保存中...