怎么用 AI 快速制作数据可视化图表？

你好，我是林骥。

在这个数据驱动的时代，数据分析已经成为一项不可或缺的能力。

数据可视化图表作为数据分析的一个重要组成部分，能够帮助我们更加直观地理解数据，发现数据背后的规律和趋势。

在数据分析领域，尽管一些传统的软件功能很强大，但它们往往伴随着较高的学习门槛。

然而，随着人工智能（AI）技术的发展，这一局面得到了显著改善，因为 AI 能够耐心地指导我们，极大地降低了学习的难度。

例如，若想快速制作一批数据可视化图表，我们可以给 AI 发送以下提示词：

角色（Role）：你是一位数据分析专家，主要基于 Anaconda 平台中的 JupyterLab 进行数据分析，能够熟练运用 Python 处理和分析数据，快速制作专业的数据可视化图表。

任务（Task）：我是一个数据分析新手，已经创建好了一个基于 Anaconda 的数据分析环境，接下来想要快速制作一批数据可视化的图表。

要求（Format）：请你帮我用 Python 随机生成一个客户销售的数据集，其中包括客户姓名、性别、年龄、所在省份、最近购买时间、累计购买次数、累计购买金额，累计购买金额与次数的比例关系要合理。请教我怎么根据上面这个数据集，制作一批专业的数据可视化图表，要用中文显示标题和坐标轴标签，提前做好相关的设置，避免 Python 代码运行出错，详细介绍一步一步操作的方法。

如果你还没有搭建基于 Anaconda 的数据分析环境，可以扫描文末的二维码，订阅「数据化分析案例库」，查看怎么用 AI 创建高效的数据分析环境。

你可以对比不同 AI 的回复结果，并尝试在本地电脑的工作环境中运行，以选择一个相对较好的解决方案。

如果在运行过程中出现错误，那么只要把错误的信息发给 AI，它就会帮你修正错误。

例如：

虽然上面修正之后的代码可以正常运行，但是我想把客户性别分布换成饼图，而且发现其中累计购买金额与次数的比例不大合理，因此我把自己的想法和发现告诉了 AI，请 AI 给我具体修改的方法。

如果一个 AI 提供的方法始终不奏效，那么不妨换一个 AI 试试，比如：智谱清言、Kimi、文心一言、通义千问、ChatGPT、Gemini 等，都可以去探索和尝试，这也是一个积累经验的过程，相信你总能找到合适的 AI 模型，最终得到自己想要的结果。

例如，我经过与 AI 沟通了几次之后，把 Python 代码修改为：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from faker import Faker
from datetime import datetime, timedelta

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 创建数据生成器
fake = Faker('zh_CN')

# 设置随机种子以确保可重复的结果
np.random.seed(0)
fake.random.seed(0)

# 生成数据集
data = {
    '客户姓名': [fake.name() for _ in range(100)],
    '性别': [fake.random.choice(['男', '女']) for _ in range(100)],
    '年龄': np.random.randint(18, 70, size=100),
    '所在省份': [fake.province() for _ in range(100)],
    '最近购买时间': [fake.date_between(start_date='-2y', end_date='today') for _ in range(100)],
    '累计购买次数': np.random.randint(1, 20, size=100),
    '累计购买金额': np.random.normal(loc=1000, scale=500, size=100)  # 假设平均每次购买金额为1000元，标准差为500元
}

# 累计购买金额与累计购买次数的合理比例
data["累计购买金额"] = [round(times * np.random.uniform(500, 800), 2) for times in data["累计购买次数"]]

# 创建 DataFrame
df = pd.DataFrame(data)

# 转换日期格式
df['最近购买时间'] = pd.to_datetime(df['最近购买时间'])

# 计算累计购买金额与次数的比例
df['购买金额/次数'] = df['累计购买金额'] / df['累计购买次数']

# 数据可视化
# 1. 性别分布
gender_distribution = df['性别'].value_counts()
plt.figure(figsize=(8, 8))
plt.pie(gender_distribution, labels=gender_distribution.index, autopct='%1.1f%%', colors=['#5799c6', '#e7b362'])
plt.title('客户性别分布')
plt.show()

# 2. 年龄分布
sns.histplot(df['年龄'], kde=False)
plt.title('客户年龄分布')
plt.xlabel('年龄')
plt.ylabel('数量')
plt.show()

# 3. 购买次数分布
sns.histplot(df['累计购买次数'], kde=False)
plt.title('客户累计购买次数分布')
plt.xlabel('累计购买次数')
plt.ylabel('数量')
plt.show()

# 4. 购买金额分布
sns.histplot(df['累计购买金额'], kde=False)
plt.title('客户累计购买金额分布')
plt.xlabel('累计购买金额')
plt.ylabel('数量')
plt.show()

# 5. 购买金额与次数的比例
sns.scatterplot(x='累计购买次数', y='累计购买金额', data=df)
plt.title('累计购买金额与次数的比例关系')
plt.xlabel('累计购买次数')
plt.ylabel('累计购买金额')
plt.show()

运行结果如下：

最后，我们还可以根据自己的想法和专业知识，不断向 AI 提问，例如：

请根据上面的省份数据，用 pyecharts 绘制一张 Map 热力数据地图，显示每个省份的累计销售金额，图中不要显示省份名称。

根据 AI 的回复，在本地 JupyterLab 环境中运行 Python 代码，如果出现问题，或者有新的想法，那么就继续追问，并按照 AI 的回答进行修改，最终得到以下代码：

from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ChartType

# 计算每个省份的累计购买金额
data = df.groupby('所在省份')['累计购买金额'].sum()

# 创建 Map 图实例
map = (
    Map()
    .add("累计购买金额",  # 系列名称
         [list(z) for z in zip(data.index, data)],  # 地图上的区域名称和对应的值
         "china"  # 地图类型
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中国各省份销售额分布图"),  # 图表标题
        visualmap_opts=opts.VisualMapOpts(max_=data.max())  # 视觉映射
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False) # 设置标签不显示
    )
)

map.render("中国各省份销售额分布图.html")

‍运行之后，打开「中国各省份销售额分布图.html」这个文件，就能看到一张交互式的热力数据地图如下：

过去，你可能需要先花大量的时间，先去学习 Python、Pandas、matplotlib 的语法等基础知识，才能制作出一张自己想要的数据分析图表。

现在，只需向 AI 提问或表达你的想法，它就能指导你快速生成一批数据可视化图表。我认为，这是一场学习的革命。

未来，我相信 AI 将会变得更加强大。那些跟不上时代发展、不懂得借助 AI 提升工作效率的人，将面临被时代淘汰的风险。就像打字员曾经是一个职业，现在却几乎已经消失。

在 AI 发展的道路上，一个好的问题，能够促进我们深度思考，引导我们发现更好的解决方案。

我相信，AI 技术的应用将会越来越广泛，它可以帮助我们更高效、更智能地进行数据分析和可视化。

如果你想学习更多 AI 和数据分析相关的案例，欢迎你的订阅我的专栏：数据化分析案例库，其中已经更新了 19 个案例，计划至少更新 100 个案例，限时优惠价 28 元。

随着案例的增加，该专栏将会逐渐涨价，6.18 之后价格将上涨至 58 元，满 100 个案例后将涨价至 280 元，但现在订阅还可以享受特别优惠价 28 元。由于该专栏是买断制，所以早期购买者无需额外再花钱，一次付费，永久阅读。

↑ 点击此卡片关注 ↑

↑ 周二早八点阅读 ↑