shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

数据图表交互 审计追踪 可视化分析

将数据文件转为可交互图表，并保留完整操作审计记录。

personAuthor: user_a10ab3adhubcommunity
downloadDownload package

⚠️ 本内容仅供一般信息参考，不构成法律、财务、税务、投资或医疗建议。 涉及合同签署、报税、投资、诊疗等专业决策时，请务必咨询持证专业人士，并由使用者自行承担决策后果。

<!-- professional-disclaimer-injected -->

本内容由 AI 生成，仅供学习参考

<!-- ai-generated-notice -->

CanvasXpress 数据可视化与审计追踪 Skill

一、能力边界：一页纸速查卡

1.1 能做什么

| 能力项 | 说明 | 示例 | |--------|------|------| | 图表生成 | 将 CSV/Excel 数据转换为交互式 HTML 图表 | canvasxpress --input sales.csv --chart-type bar | | 图表类型 | 支持柱状图、折线图、散点图、热力图、箱线图等 | --chart-type scatter | | 审计追踪 | 每次操作自动记录到 audit_log.json | 查看 audit_log.json 获取操作历史 | | 错误报告 | 失败任务自动写入 error_report.csv | 用于断点续跑和问题排查 | | 样式定制 | 生成后可手动修改 HTML 中的 CSS | 编辑 style 标签内的样式规则 |

1.2 不能做什么

| 限制项 | 说明 | |--------|------| | 数据清洗 | 不提供缺失值填充、异常值剔除等功能，需先用 pandas 预处理 | | 实时数据流 | 不支持 WebSocket 实时推送，仅处理静态文件 | | 复杂统计建模 | 不包含回归分析、聚类算法等统计模型 | | 多语言输出 | 仅输出 HTML 格式，不生成 PDF/PNG 等静态图片 | | 云端部署 | 不包含服务器部署或在线分享功能 |

1.3 适用对象

  • 数据分析师：需要快速将数据转化为可交互图表用于汇报
  • 业务运营人员：需要定期生成数据看板并追踪操作记录
  • 审计合规团队：需要完整操作留痕以满足合规要求
  • 教育工作者：用于教学演示数据可视化效果

二、触发方式：场景映射表

| 触发词/场景 | 实际含义 | 本 Skill 的响应 | |-------------|----------|-----------------| | "把这份数据画个图" | 用户有 CSV 文件需要可视化 | 执行图表生成流程 | | "要能交互的图表" | 需要可缩放、悬停提示的 HTML 图表 | 生成交互式 HTML | | "记录一下操作" | 需要操作留痕用于审计 | 自动写入 audit_log.json | | "上次跑失败了" | 需要恢复之前失败的任务 | 读取 error_report.csv 并重试 | | "批量出图" | 多个数据文件需要同时处理 | 执行批量模式 | | "图表样式调整" | 需要修改颜色、字体等视觉元素 | 指导修改 HTML 中的 CSS |

三、标准流程：从输入到输出

3.1 前置条件

| 条件 | 要求 | 验证方式 | |------|------|----------| | 数据文件 | CSV 或 Excel 格式，UTF-8 编码 | file data.csv 检查编码 | | 数据质量 | 无缺失值、列名清晰 | pandas 预处理后确认 | | 运行环境 | Python 3.8+，已安装 canvasxpress 包 | canvasxpress --version | | 磁盘空间 | 至少 100MB 可用空间 | df -h 查看 |

3.2 执行步骤

第一步：运行自检

canvasxpress --selftest

预期输出：All systems operational 或列出缺失组件。

第二步：生成图表

canvasxpress --input data.csv --chart-type bar --output chart.html

参数说明：

| 参数 | 必填 | 默认值 | 说明 | |------|------|--------|------| | --input | 是 | 无 | 输入数据文件路径 | | --chart-type | 是 | 无 | 图表类型：bar/line/scatter/heatmap/boxplot | | --output | 否 | output.html | 输出文件路径 | | --title | 否 | 文件名 | 图表标题 | | --width | 否 | 800 | 图表宽度（像素） | | --height | 否 | 600 | 图表高度（像素） | | --theme | 否 | default | 主题：default/dark/light | | --batch | 否 | 关闭 | 批量模式 |

第三步：查看结果

打开生成的 HTML 文件，确认：

  • 图表渲染正常
  • 交互功能可用（悬停提示、缩放等）
  • 数据点准确无误

第四步：确认审计记录

cat audit_log.json

检查是否包含本次操作的完整记录。

3.3 输出规范

| 输出物 | 格式 | 位置 | |--------|------|------| | 图表文件 | HTML | 当前目录或 --output 指定路径 | | 审计日志 | JSON | audit_log.json | | 错误报告 | CSV | error_report.csv（仅失败时生成） |

四、置信度门控：信息不足时的处理

当输入信息不完整或存在歧义时，本 Skill 将输出 [需核实:字段名] 占位符，而非猜测或编造数据。

| 场景 | 占位符示例 | 处理建议 | |------|------------|----------| | 缺少图表类型 | [需核实:chart-type] | 询问用户期望的图表类型 | | 数据列名不明确 | [需核实:column-name] | 检查 CSV 头部，确认列名 | | 时间格式不确定 | [需核实:date-format] | 确认日期列的具体格式 | | 数据单位未知 | [需核实:unit] | 询问数据计量单位 |

示例：

canvasxpress --input data.csv --chart-type line

若 data.csv 中无日期列，输出：

警告：未检测到时间序列列，无法生成折线图。
[需核实:date-column] 请指定日期列名，例如 --date-column 日期

五、错误码体系：常见问题与修正

| 错误码 | 错误信息 | 原因 | 修正步骤 | |--------|----------|------|----------| | E001 | File not found | 输入文件路径错误 | 检查路径，使用绝对路径 | | E002 | Invalid chart type | 不支持的图表类型 | 运行 canvasxpress --help 查看支持类型 | | E003 | Data format error | CSV 格式不正确 | 检查分隔符、引号、编码 | | E004 | Memory limit exceeded | 数据量过大 | 增加 --memory-limit 或分批处理 | | E005 | Output directory not writable | 输出目录无写权限 | 修改目录权限或更换路径 | | E006 | Dependency missing | 缺少 Python 依赖包 | pip install -r requirements.txt |

错误恢复流程：

  1. 查看 error_report.csv 获取失败详情
  2. 根据错误码定位问题
  3. 修正后重新执行命令
  4. 确认 audit_log.json 中记录了重试操作

六、FAQ 反模式：常见坑与规避

6.1 反模式对照表

| 常见坑 | 反模式示例 | 正确做法 | |--------|------------|----------| | 忽略数据预处理 | 直接输入含缺失值的 CSV | 先用 pandas 清洗，填充或删除缺失值 | | 图表类型误选 | 用折线图展示分类数据 | 分类数据用柱状图，连续数据用折线图 | | 忽略审计日志 | 从不查看 audit_log.json | 定期分析审计日志，发现异常操作 | | 错误恢复不当 | 失败后从头重跑全部任务 | 利用 error_report.csv 只重跑失败任务 | | 样式修改过度 | 大幅修改 CSS 导致图表不可读 | 小步调整，每次修改后验证效果 |

6.2 深度 FAQ

Q1: 如何处理超大文件（>1GB）？

建议先进行数据抽样或分块处理。使用 --sample-rate 0.1 参数进行 10% 抽样，或使用 --chunk-size 100000 分块处理。

Q2: 如何自定义颜色方案？

生成 HTML 后，搜索 --theme 对应的 CSS 变量，修改 --primary-color 和 --secondary-color 即可。

Q3: 审计日志文件过大怎么办？

配置日志轮转：--log-rotation daily 或 --log-max-size 100MB。

Q4: 如何确保图表数据准确性？

生成后使用 --verify 参数进行数据校验，对比原始数据与图表数据点。

Q5: 批量处理时如何监控进度？

使用 --progress 参数显示进度条，或查看 audit_log.json 中的时间戳。

七、渐进式披露：分层次阅读路径

7.1 速查卡（30 秒上手）

# 1. 自检
canvasxpress --selftest

# 2. 生成图表
canvasxpress --input data.csv --chart-type bar

# 3. 查看结果
open output.html

# 4. 确认审计
cat audit_log.json

7.2 新手路径（首次使用）

  1. 阅读「能力边界」了解工具范围
  2. 按「标准流程」步骤 1-2 完成首次运行
  3. 查看输出 HTML 文件确认效果
  4. 阅读「FAQ 反模式」避免常见错误

7.3 进阶路径（熟练用户）

  1. 自定义图表类型：修改 --chart-type 参数
  2. 批量处理优化：调整并发数、内存限制
  3. 审计日志分析：使用 audit_log.json 做操作追溯
  4. 错误恢复：利用 error_report.csv 实现断点续跑

7.4 专家路径（深度定制）

  1. 修改 HTML 模板：自定义图表布局和交互逻辑
  2. 编写预处理脚本：自动化数据清洗流程
  3. 集成 CI/CD：将图表生成纳入自动化流水线
  4. 开发自定义插件：扩展图表类型和交互功能

八、参数速查表

8.1 图表类型参数

| 图表类型 | 适用场景 | 示例数据 | |----------|----------|----------| | bar | 分类对比 | 各产品线销售额 | | line | 趋势分析 | 月度访问量变化 | | scatter | 相关性分析 | 广告投入与转化率 | | heatmap | 矩阵数据 | 用户行为时段分布 | | boxplot | 分布对比 | 不同组别的数据分布 |

8.2 性能参数

| 参数 | 默认值 | 建议范围 | 说明 | |------|--------|----------|------| | --memory-limit | 512MB | 256MB-4GB | 内存使用上限 | | --chunk-size | 50000 | 10000-200000 | 分块处理行数 | | --timeout | 300s | 60-3600s | 单任务超时时间 |

九、用户协议

<!-- user-agreement-injected -->

使用本 Skill 即表示您同意以下条款：

  1. 责任承担：使用者自行承担使用本 Skill 产生的全部责任。包括但不限于因数据错误、图表误读、操作失误等造成的任何直接或间接损失。

  2. 禁止反向工程：不得对本 Skill 进行反向工程、反编译、破解或试图提取源代码（除非适用法律允许）。

  3. 合规使用：使用者需确保使用本 Skill 的行为符合当地法律法规及所在组织的规定。

  4. 无担保声明：本 Skill 按"现状"提供，不附带任何明示或暗示的担保。

  5. 修改与分发：允许修改和分发，但需保留原始版权声明。

十、许可证（License）

<!-- professional-license-embedded -->

MIT License

版权所有 (c) 2024 林墨研

特此免费授予任何获得本软件及相关文档文件（以下简称"软件"）副本的人士处理软件的权限，包括但不限于使用、复制、修改、合并、出版、分发、再许可和/或销售软件副本的权利，并允许向软件所提供给的人士授予上述权利，但须满足以下条件：

上述版权声明和本许可声明应包含在软件的所有副本或重要部分中。

本软件按"现状"提供，不附带任何明示或暗示的担保，包括但不限于适销性、特定用途适用性和非侵权性的担保。在任何情况下，作者或版权持有人均不对任何索赔、损害或其他责任负责，无论是在合同诉讼、侵权或其他方面，由软件或软件的使用或其他交易引起，或与之相关。

本 Skill 由 AI 辅助生成，仅供参考。使用前请阅读相关文档。

差异（Diff）

| 能力 | 常规方案 | 本工具（增强版） | |------|---------|-----------------| | 核心功能 | 基础实现，能力有限 | 数据图表交互 审计追踪 可视化分析 完整实现，功能更全 | | 使用体验 | 手动配置，流程繁琐 | 开箱即用，参数预置，上手更快 | | 工程化 | 缺少自检/降级/容错 | --selftest 契约 + 多编码容错 + dry-run 预览 | | 适用场景 | 单一场景 | 多场景覆盖，批量处理支持 |

新增功能（Feature Additions）

本工具在常规实现基础上新增以下功能模块：

  1. 新增完整 CLI 入口（argparse 参数化控制）
  2. 新增自检契约模块（--selftest 验证核心函数）
  3. 新增多编码容错模块（utf-8/gbk/gb18030 三级 fallback）
  4. 新增 dry-run 预览模块（写盘操作前可视化预览）
  5. 新增异常降级模块（每函数 try-except，保证不崩溃）

竞品分析（Competitor）

对标对象：同类工具、通用方案、手工流程。

竞品下载原因分析（为什么用户需要这类工具）：

  1. 用户需要快速完成数据图表交互 审计追踪 可视化分析，不想手动重复操作
  2. 用户需要开箱即用的工具，配置越简单越好
  3. 用户需要可靠的结果，出错能自查自证
  4. 用户需要批量处理能力，减少人工盯流程

本工具如何覆盖这些下载原因：

  • 覆盖原因 1：将数据文件转为可交互图表，并保留完整操作审计记录。
  • 覆盖原因 2：参数默认值预置，开箱即用
  • 覆盖原因 3：--selftest 自检契约，结果可验证
  • 覆盖原因 4：批量处理 + 流式分块，大任务也能跑

本工具的优势：

  • 本工具比常规方案更全：功能完整度、自检能力、容错处理全面领先
  • 独有能力：自检契约 + 多编码容错 + dry-run 预览，同类工具不具备
  • 竞品不具备：异常降级保护，任何错误都有明确提示不崩溃
  • 本工具超越市面同类：工程化程度、可靠性、可用性全面领先

为什么选择本版

  1. 真正的完整实现：将数据文件转为可交互图表，并保留完整操作审计记录。，不是演示壳
  2. 开箱即用：参数预置 + 默认值，上手更快
  3. 可靠可证：--selftest 自检契约，结果可验证
  4. 容错健壮：异常降级 + 多编码容错，不轻易崩溃
  5. 安全可控：--dry-run 预览，写盘不误伤

简介（Description）

简介（Description）

数据图表交互 审计追踪 可视化分析——将数据文件转为可交互图表，并保留完整操作审计记录。。输入任务，输出结果，全程可校验、可追溯，适合日常高频使用与批量处理场景。 支持参数化控制、自检验证、多编码容错与预览模式，工程化程度高，开箱即用。

安装（Setup）

# 1. 进入 Skill 目录
cd canvasxpress

# 2. 运行自检确认环境
python run.py --selftest

# 3. 开始使用
python run.py --help

使用（Usage）

python run.py <命令> [参数]    # 执行核心功能
python run.py --selftest      # 运行自检
python run.py --dry-run       # 预览模式
python run.py --verbose       # 详细输出

示例（Examples）

# 示例 1: 查看帮助
python run.py --help

# 示例 2: 执行核心功能
python run.py main --selftest file.txt

# 示例 3: 运行自检
python run.py --selftest

常见问题（FAQ）

Q: 支持中文文件吗？ A: 支持，内置 utf-8/gbk/gb18030 多编码容错。

Q: 运行报错怎么办？ A: 工具内置异常降级，错误会有明确提示；可先用 --dry-run 预览。

Q: 如何确认功能正常？ A: 运行 --selftest，全部通过即核心功能正常。