把查询结果或 DataFrame 做成出版级/交互式图表时…

适用于将查询结果、粘贴/上传数据或对话中的 DataFrame 转换为清晰准确的趋势、比较、分布、相关等图表，用于探索、报告、演示或仪表盘。

适用场景

解决思路

1. 按 `/create-viz <data source> [chart type] [additional instructions]` 调用；如遇到不熟悉的占位符或需检查已连接工具，查看 `CONNECTORS.md`。
2. 理解请求：确定数据源（查询结果、粘贴数据、CSV/Excel 文件或待查询数据）。
3. 理解请求：确定图表类型（用户明确指定，或需要你推荐）。
4. 理解请求：确定用途（探索、演示、报告、仪表盘组件）。
5. 理解请求：确定受众（技术团队、高管、外部利益相关者）。
6. 获取数据：若已连接数据仓库且需要查询，编写并执行查询，将结果加载到 pandas DataFrame。
7. 获取数据：若数据是粘贴或上传的，解析为 pandas DataFrame，并按需清洗和准备（类型转换、空值处理）。
8. 获取数据：若数据来自对话中的先前分析，引用现有数据。
9. 若用户未指定图表类型，根据数据和问题推荐一个，并简要解释推荐理由。
10. 趋势随时间变化：推荐折线图。
11. 跨类别比较：推荐柱状图；类别较多时推荐水平柱状图。
12. 部分与整体组成：推荐堆叠柱状图或面积图；除非类别少于 6 个，否则避免饼图。
13. 数值分布：推荐直方图或箱线图。
14. 两个变量相关性：推荐散点图。
15. 两个变量随时间比较：推荐双轴折线图或分组柱状图。
16. 地理数据：推荐 choropleth map（分级色彩地图）。
17. 排名：推荐水平柱状图。
18. 流程或过程：推荐 Sankey diagram（桑基图）。
19. 关系矩阵：推荐 heatmap（热力图）。
20. 生成可视化：静态、出版级图表优先用 matplotlib + seaborn（默认选择）。
21. 生成可视化：交互式图表或用户要求交互时用 plotly。
22. 代码中导入 `matplotlib.pyplot as plt`、`seaborn as sns`、`pandas as pd`。
23. 代码中设置专业样式：`plt.style.use('seaborn-v0_8-whitegrid')`。
24. 代码中设置调色板：`sns.set_palette("husl")`。
25. 代码中创建合适尺寸的 figure：`fig, ax = plt.subplots(figsize=(10, 6))`。
26. 编写图表特定代码。
27. 始终设置清晰、描述性的标题：`ax.set_title('Clear, Descriptive Title', fontsize=14, fontweight='bold')`。
28. 始终设置 X 轴标签：`ax.set_xlabel('X-Axis Label', fontsize=11)`。
29. 始终设置 Y 轴标签：`ax.set_ylabel('Y-Axis Label', fontsize=11)`。
30. 适当格式化数字：百分比用 `'45.2%'` 而不是 `'0.452'`。
31. 适当格式化数字：货币用 `'$1.2M'` 而不是 `'1200000'`。
32. 适当格式化数字：大数用 `'2.3K'` 或 `'1.5M'` 而不是 `'2300'` 或 `'1500000'`。
33. 移除图表垃圾：隐藏顶部脊柱 `ax.spines['top'].set_visible(False)`。
34. 移除图表垃圾：隐藏右侧脊柱 `ax.spines['right'].set_visible(False)`。
35. 调用 `plt.tight_layout()`。
36. 保存图表：`plt.savefig('chart_name.png', dpi=150, bbox_inches='tight')`。
37. 调用 `plt.show()`。
38. 设计最佳实践-颜色：使用一致且对色盲友好的调色板。
39. 设计最佳实践-颜色：有含义地使用颜色，而不是装饰性使用。
40. 设计最佳实践-颜色：用对比色突出关键数据点或趋势。
41. 设计最佳实践-颜色：将较不重要的参考数据灰色显示。
42. 设计最佳实践-排版：使用陈述洞察的描述性标题，而不只是指标名（例如 `Revenue grew 23% YoY` 而不是 `Revenue by Month`）。
43. 设计最佳实践-排版：轴标签要可读；如果可以避免，不要旋转 90 度。
44. 设计最佳实践-排版：在关键点上添加数据标签，前提是能增加清晰度。
45. 设计最佳实践-布局：保留合适的留白和边距。
46. 设计最佳实践-布局：图例放置不能遮挡数据。
47. 设计最佳实践-布局：类别按值排序（不要按字母排序），除非有自然顺序。
48. 设计最佳实践-准确性：柱状图的 Y 轴从零开始。
49. 设计最佳实践-准确性：没有清晰标注时不要使用误导性的轴断裂。
50. 设计最佳实践-准确性：比较多个面板时使用一致的比例尺。
51. 设计最佳实践-准确性：使用适当精度，不要显示 10 位小数。
52. 保存并呈现：将图表保存为描述性命名的 PNG 文件。
53. 保存并呈现：向用户展示图表。
54. 保存并呈现：提供所用代码，方便用户修改。
55. 保存并呈现：建议变体（不同图表类型、不同分组、缩放到某个时间范围）。
56. 示例调用：`/create-viz Show monthly revenue for the last 12 months as a line chart with the trend highlighted`。
57. 示例调用：`/create-viz Here's our NPS data by product: [pastes data]. Create a horizontal bar chart ranking products by score.`
58. 示例调用：`/create-viz Query the orders table and create a heatmap of order volume by day-of-week and hour`。
59. 提示：如果需要交互式图表（悬停、缩放、筛选），说明“interactive”，并使用 plotly。
60. 提示：如果需要演示，说明“presentation”，以使用更大字体和更高对比度。
61. 提示：可以一次请求多个图表（例如“创建 2x2 图表网格展示……”）。
62. 提示：图表以 PNG 文件保存到当前目录。

适用边界 · 注意事项

• 当不需要图表、只需要表格或原始数据结果时，不使用此流程。
• 当运行环境不能执行 Python 或不能安装 matplotlib/seaborn/plotly 时，不使用此流程。
• 当必须使用特定 BI 平台原生图表模板且不能嵌入或导出 Python 图像时，不使用此流程。