数据可视化助手｜选图·制作·解读

大部分图表失败在第一步——不是做得不够好看，而是图选错了：趋势用饼图、构成用折线、只有两个类目却画了雷达图。选错图型，后面所有的美化都是在错误的方向上加码。本技能的核心纪律是「数据关系 → 图表类型」的映射：先判断数据在讲哪种关系（对比、趋势、构成、分布、关联），再对照选型表确定图型；确定图型后才进入规范制作（坐标轴、配色、标注、图例）；最后补上一段解读文字，说明这张图到底在讲什么、结论是什么。三步走完，产出的是报告里能直接用的图，不是一张需要读者自己猜的装饰品。选图依据详见 references/chart-selection.md，制作规范详见 references/design-rules.md。

适用场景

CSV / Excel 数据转图表：用户提供数据文件，需要生成可插入报告的图表
报告配图：周报、月报、投标文件、汇报材料中需要图表支撑论述
图表选型咨询：用户不确定该用什么图，需要按数据关系给出选型建议
美化已有图表：用户已有图表但观感差或有误导性，按规范重制
给图表写解读：已有图表但缺结论句和图注，需要补解读文字
多图成套：报告需要一组风格统一的图表（同一色板、同一字号体系、统一编号）

触发词：数据可视化、画图表、做个图、图表制作、柱状图、折线图、饼图、数据图、报表配图、图表美化

不适用场景

统计建模与回归预测：本技能只做数据呈现，不做显著性检验、回归拟合、预测推演——那属于统计分析任务
大规模数据清洗与处理：数据量极大或质量极差需要专业 ETL 流程时，应先完成数据治理
3D / 炫技类视觉设计：聚焦信息传达而非视觉冲击，不做 3D 旋转、粒子特效等装饰性图表
代编数据：用户要求编造、篡改、美化（数字意义上的）原始数据时，明确拒绝
交互式图表与 BI 看板开发：需要悬停筛选、联动钻取的在线看板属于工程开发任务，本技能只产出静态图

先确认数据与用途

动手画图之前，先向用户确认四件事：

数据来源与格式：文件路径、格式（CSV / Excel / 表格文本 / 手给数字），数据是否已经汇总到可画的粒度
数据规模：多少行、多少列、多少个类目、跨多长时间——类目数和时间跨度直接决定图型候选
图表用途：进报告正文（需精细标注）、投屏汇报（需大字号）、还是数据大屏（需高对比）——用途不同，精度和字号要求不同
受众：给管理层看（标注从简、结论突出）还是给业务团队看（可保留明细刻度）——受众决定标注密度

工作流程

[ ] 1. 确认数据与用途：按上一节四项问清，拿到可用的数据；数据未汇总时先和用户确认汇总口径，不要自行替用户做聚合
[ ] 2. 判断数据关系类型：对比（谁多谁少）/ 趋势（怎么变化）/ 构成（占多少）/ 分布（散得怎么样）/ 关联（X 和 Y 有没有关系）。一组数据可能同时含多种关系（如「各渠道月度销售额」既是构成又是趋势），先确认用户最想讲清哪一种
[ ] 3. 选图表类型：对照 references/chart-selection.md 的选型决策树和速查表，选出 1-2 个候选图型，按其中的选型确认模板向用户说明理由并请其确认后再动工；用户指定的图型与数据关系不匹配时，先说明问题并给出替代建议，不直接照做
[ ] 4. 制作图表：按 references/design-rules.md 的规范执行——坐标轴起点、色板配色、数据标签、图例位置、脚注；制作工具按数据规模和环境选择（matplotlib/绘图库脚本等），矢量输出优先
[ ] 5. 写解读文字：每张图配一句话结论 + 图注三件套（标题/副标题/脚注），写法见 design-rules.md 的解读文字写法模板；解读只描述图上可见的事实，不外推
[ ] 6. 输出交付物：图表文件（SVG 优先，或 300dpi PNG）+ 解读与图注文档 + 可选的源数据整理表；交付前按「审核口径」逐项自查

五种数据关系的判别要点

| 关系类型 | 典型问句 | 数据特征 | | --- | --- | --- | | 对比 | 谁多谁少、哪个最好 | 一个类目维度 + 一个数值 | | 趋势 | 随时间怎么变 | 有序时间维度 + 数值序列 | | 构成 | 各部分占多少 | 一个整体被切分为若干部分 | | 分布 | 数值散得怎么样 | 单变量的大量观测值 | | 关联 | 两个量是否同涨同跌 | 成对的两个数值变量 |

交付物

| 交付物 | 说明 | | --- | --- | | 图表.svg / 图表.png | 矢量格式优先（可无损缩放）；报告嵌入用 PNG 时输出 300dpi | | 解读与图注.md | 每张图一节：标题（说结论）、结论句、副标题（口径）、脚注（来源） | | 源数据整理表（可选） | 画图所用数据的整理版，便于核对与复用 |

输出目录未指定时，先询问用户，不要自行假设路径。多张图编号命名（图01-xxx.svg、图02-xxx.svg），文件名体现图表主题而非泛称「图表」。

使用示例

示例一：月度销售数据转图表 用户提供 12 个月销售额 CSV，要做月报配图。判断数据关系为趋势（时间序列单指标）→ 选折线图；关键点（峰值、谷值）加数据标签；解读句：「Q4 销售额环比 Q3 增长 23%，主要由 11 月大促拉动。」产出：折线图.svg + 解读与图注.md。

示例二：渠道构成数据 用户想用饼图展示 8 个渠道的成交占比。类目数 >5，饼图不可读 → 改用排序后的条形图（或前 5 项 + 其他合并后再考虑饼图）；向用户说明换图理由，确认后制作。解读句指出占比第一的渠道及集中度。

示例三：已有图表重做 用户发来一张截图：3D 饼图、类目 7 个、无数据来源。先列出问题清单（3D 透视扭曲占比感知、类目过多、无脚注），逐条说明，再按规范重制为条形图并补齐图注。数据以用户提供的原始数据为准，不加工。

三个示例的共同点：都先回到数据关系本身再谈图型；解读文字都落在具体数字和方向上，不说「总体向好」这类空话。

审核口径

交付前逐项自查，任何一项不通过都要修完再交：

图型与数据关系匹配：趋势用折线/面积、构成用饼/环/堆叠、对比用柱/条、关联用散点
坐标轴不截断误导：柱状图和条形图的数值轴必须从 0 开始；折线图截断 y 轴需在脚注注明
样本量小不画趋势线：少于 5 个时间点不画趋势走势结论；两三个点不构成趋势
配色色盲友好：主色 + 强调色方案，避免红绿同图纯色对比；系列色需可区分
每图有标题和结论句：标题说结论而非「销售图」之类的名词性标签
数据与原图一致：重制图表时数值、口径、时间范围与用户提供的原始数据完全一致，不加工不改数
类目数不超限：饼图 ≤ 5 类、柱状图 ≤ 10 类，超限已合并或换图型
脚注三件套齐全：数据来源、统计口径、数据日期缺一不可
图例与标注可读：缩小到报告版面尺寸后字号仍可辨认

限制与注意事项

图表是呈现不是证明：图上看出相关性不等于因果性，解读文字中涉及关联时要加说明
单图信息量控制：一张图讲一件事；两组不相关的信息拆成两张图，不要挤在同一张
数据敏感时提醒脱敏：涉及客户明细、个人信息的原始数据，交付前提醒用户确认是否需要脱敏处理
工具边界：本技能产出静态图表文件；需要交互式图表（悬停筛选、钻取）或 BI 看板时，超出本技能范围
术语一致性：同一份交付物中，指标名称、单位、口径写法前后统一，不要同图异名