EDA 与可视化

描述统计 + 图表计划 + 解释

从“画图”到“讲故事”

传统 EDA (Exploratory Data Analysis) 需要手写大量 matplotlib 代码。在 AI 时代，我们的重点转向了假设验证和叙事设计。

AI 可视化三部曲

意图描述: 告诉 AI 你想看什么趋势（例如："按月看销售额，并在图中标注出促销活动点"）。
代码生成: 让 AI 生成 Plotly/Seaborn 代码（交互式图表优于静态图）。
洞察标注: 让 AI 自动分析图表中的异常点，并生成标注文本。

实战：用 AI 生成交互式图表

Plotly 是 Python 中最推荐的 AI 配合图表库，因为它的 JSON 结构容易被 AI 理解和生成。

Prompt: 请用 Plotly 画一个带滑动条的时间序列图

import plotly.express as px

# AI 生成的代码通常非常精准
fig = px.line(df, x='date', y='sales', title='2024 年度销售趋势')
fig.update_xaxes(rangeslider_visible=True) # 添加时间轴滑块
fig.add_annotation(x='2024-11-11', y=50000, text="双十一大促", showarrow=True)
fig.show()

自动生成 EDA 报告

💡 Tips

Sweetviz / YData Profiling: 这两个库可以一键生成详细的 HTML 报告。

AI 配合: 把生成的 HTML 报告（或其摘要 JSON）喂给 LLM，让它总结出 "Top 3 业务风险"。

图表选择速查表

问题类型	推荐图表	原因
趋势变化	折线图/面积图	能直观看出时间变化
结构占比	堆叠柱状/圆环图	对比各项占比
分布情况	直方图/箱线图	观察异常值和离散度
相关关系	散点图/气泡图	发现变量间关系

AI 辅助图表解释

解释 Prompt