【Python实战】数据可视化自动化：matplotlib+pyecharts+AI智能推荐图表类型

一、项目背景

1.1 痛点分析

数据可视化是汇报的核心环节，但传统方式效率极低：

环节	手工方式	时间
选择图表类型	纠结对比	20分钟
调整配色	反复尝试	1小时
排版布局	手动对齐	1小时
数据标注	逐个添加	30分钟
总计	-	3小时

做12个图表就是36小时，将近一周。

1.2 技术需求

核心需求：

AI根据数据特征自动推荐图表类型
自动配色方案（商务/科技/活力）
自动排版布局（多图表对齐）
支持静态图表（matplotlib）和交互式图表（pyecharts）
一键导出PNG/HTML/PDF

二、技术架构

Excel数据 → 数据分析 → AI推荐 → 图表生成 → 排版导出

↑ ↑ ↑ ↑ ↑

pandas 统计特征 Qwen3 matplotlib reportlab

pyecharts

复制代码

技术栈：
- **pandas**：数据读取和分析
- **matplotlib**：静态图表生成
- **pyecharts**：交互式图表生成
- **DashScope/Qwen3**：AI智能推荐
- **reportlab**：PDF报告导出

---

## 三、环境准备

### 3.1 安装依赖

```bash
pip install pandas matplotlib pyecharts dashscope openpyxl reportlab

3.2 配置

复制代码

# config.py
DASHSCOPE_API_KEY = "your-api-key-here"

# 配色方案
COLOR_SCHEMES = {
'business': ['#2C3E50', '#3498DB', '#2ECC71', '#E74C3C', '#F39C12', '#9B59B6'],
'tech': ['#0D1B2A', '#1B2838', '#2196F3', '#00BCD4', '#4CAF50', '#FF5722'],
'vibrant': ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96E6A1', '#DDA0DD', '#F7DC6F']
}

四、核心模块实现

4.1 数据分析模块

自动分析数据特征，为图表推荐提供依据：

复制代码

import pandas as pd
import numpy as np

class DataAnalyzer:
def __init__(self):
        self.features = {}
  
def analyze(self, df):
"""分析数据特征"""
        self.features = {
'row_count': len(df),
'col_count': len(df.columns),
            'numeric_cols': list(df.select_dtypes(include=[np.number]).columns),
            'category_cols': list(df.select_dtypes(include=['object']).columns),
            'datetime_cols': list(df.select_dtypes(include=['datetime64']).columns),
'has_time_series': self._detect_time_series(df),
            'has_categories': len(df.select_dtypes(include=['object']).columns) > 0,
            'category_counts': {},
            'correlations': {}
        }
      
# 分类列的唯一值数量
        for col in self.features['category_cols']:
            self.features['category_counts'][col] = df[col].nunique()
      
# 数值列相关性
        numeric_df = df.select_dtypes(include=[np.number])
        if len(numeric_df.columns) > 1:
            self.features['correlations'] = numeric_df.corr().to_dict()
      
        return self.features
  
def _detect_time_series(self, df):
"""检测是否为时间序列数据"""
        for col in df.columns:
            try:
pd.to_datetime(df[col])
                return True
except (ValueError, TypeError):
continue
        return False
  
def get_summary(self):
"""生成数据摘要（供AI分析）"""
        summary = f"""
数据概况：
        - 行数：{self.features['row_count']}
        - 列数：{self.features['col_count']}
        - 数值列：{', '.join(self.features['numeric_cols'])}
        - 分类列：{', '.join(self.features['category_cols'])}
        - 是否时间序列：{self.features['has_time_series']}
        - 分类列唯一值：{self.features['category_counts']}
        """
        return summary

4.2 AI图表推荐模块

用Qwen3根据数据特征推荐最佳图表类型：

复制代码

import dashscope
import json

class ChartRecommender:
def __init__(self, api_key):
        dashscope.api_key = api_key
  
    def recommend(self, data_summary, purpose="汇报"):
"""AI推荐图表类型"""
        prompt = f"""
你是一位数据可视化专家。根据以下数据特征，推荐最合适的图表组合。
      
数据摘要：
        {data_summary}
      
        用途：{purpose}
      
请返回JSON格式，包含推荐的图表列表：
        {{
"charts": [
                {{
"type": "图表类型（line/bar/pie/scatter/radar/heatmap）",
"title": "图表标题",
"x_col": "X轴数据列名",
"y_col": "Y轴数据列名",
"reason": "推荐理由"
                }}
            ],
"color_scheme": "推荐配色方案（business/tech/vibrant）",
"layout": "布局建议（2x2/3x2/1x3）"
        }}
      
规则：
1. 时间序列数据优先用折线图
2. 分类占比用饼图（分类≤6个）
3. 分类对比用柱状图
4. 两个数值变量的关系用散点图
5. 多维度评估用雷达图
6. 最多推荐6个图表
        """
      
        response = dashscope.Generation.call(
            model="qwen3-72b",
            messages=[{"role": "user", "content": prompt}],
            result_format="message"
        )
      
        content = response.output.choices[0].message.content
      
        import re
        json_match = re.search(r'\{.*\}', content, re.DOTALL)
        if json_match:
            return json.loads(json_match.group())
      
        return None

4.3 静态图表生成模块（matplotlib）

根据AI推荐自动生成图表：

复制代码

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

class StaticChartGenerator:
    def __init__(self, color_scheme='business'):
        self.colors = COLOR_SCHEMES.get(color_scheme, COLOR_SCHEMES['business'])
  
    def generate(self, df, chart_config, output_path="dashboard.png"):
"""根据配置生成图表"""
        charts = chart_config['charts']
        layout = chart_config.get('layout', '2x2')
      
        rows, cols = map(int, layout.split('x'))
        fig, axes = plt.subplots(rows, cols, figsize=(7*cols, 5*rows))
        fig.suptitle('数据分析报告', fontsize=18, fontweight='bold')
      
        if rows * cols == 1:
            axes = [[axes]]
        elif rows == 1 or cols == 1:
            axes = [axes] if rows == 1 else [[ax] for ax in axes]
      
        for idx, chart in enumerate(charts):
            if idx >= rows * cols:
break
          
            r, c = divmod(idx, cols)
            ax = axes[r][c] if isinstance(axes[r], list) else axes[r]
          
            chart_type = chart['type']
            title = chart['title']
          
            if chart_type == 'line':
self._draw_line(ax, df, chart)
            elif chart_type == 'bar':
self._draw_bar(ax, df, chart)
            elif chart_type == 'pie':
self._draw_pie(ax, df, chart)
            elif chart_type == 'scatter':
self._draw_scatter(ax, df, chart)
          
            ax.set_title(title, fontsize=13, fontweight='bold', pad=10)
      
plt.tight_layout()
        plt.savefig(output_path, dpi=150, bbox_inches='tight')
        print(f"图表已生成：{output_path}")
  
def _draw_line(self, ax, df, config):
"""折线图"""
        x = df[config['x_col']]
        y = df[config['y_col']]
      
        ax.plot(x, y, marker='o', color=self.colors[0], linewidth=2)
        ax.fill_between(range(len(x)), y, alpha=0.15, color=self.colors[0])
ax.set_xlabel(config['x_col'])
ax.set_ylabel(config['y_col'])
        ax.grid(True, alpha=0.3)
      
# 标注最大值
        max_idx = y.idxmax()
        ax.annotate(f'{y[max_idx]:.0f}', xy=(max_idx, y[max_idx]),
                   fontsize=10, color=self.colors[3], fontweight='bold')
  
def _draw_bar(self, ax, df, config):
"""柱状图"""
        if config.get('x_col') in df.columns:
            data = df.groupby(config['x_col'])[config['y_col']].sum()
else:
            data = df[config['y_col']]
      
        bars = ax.bar(range(len(data)), data.values, color=self.colors[:len(data)])
ax.set_xticks(range(len(data)))
        ax.set_xticklabels(data.index, rotation=30, ha='right')
      
# 数据标签
        for bar in bars:
            height = bar.get_height()
ax.text(bar.get_x() + bar.get_width()/2., height,
                   f'{height:,.0f}', ha='center', va='bottom', fontsize=9)
  
def _draw_pie(self, ax, df, config):
"""饼图"""
        data = df.groupby(config['x_col'])[config['y_col']].sum()
      
        wedges, texts, autotexts = ax.pie(
            data.values, labels=data.index, autopct='%1.1f%%',
            colors=self.colors[:len(data)], startangle=90,
            textprops={'fontsize': 10}
        )
      
        for autotext in autotexts:
autotext.set_fontweight('bold')
  
def _draw_scatter(self, ax, df, config):
"""散点图"""
        x = df[config['x_col']]
        y = df[config['y_col']]
      
        ax.scatter(x, y, c=self.colors[0], alpha=0.6, s=50, edgecolors='white')
      
# 趋势线
        z = np.polyfit(x, y, 1)
        p = np.poly1d(z)
ax.plot(x.sort_values(), p(x.sort_values()),
               color=self.colors[3], linestyle='--', alpha=0.8)
      
ax.set_xlabel(config['x_col'])
ax.set_ylabel(config['y_col'])
        ax.grid(True, alpha=0.3)

4.4 交互式图表生成模块（pyecharts）

生成可交互的HTML图表：

复制代码

from pyecharts.charts import Line, Bar, Pie, Scatter, Grid, Page
from pyecharts import options as opts

class InteractiveChartGenerator:
    def __init__(self, color_scheme='business'):
        self.colors = COLOR_SCHEMES.get(color_scheme, COLOR_SCHEMES['business'])
  
def generate_line(self, df, x_col, y_col, title):
"""交互式折线图"""
        chart = (
Line()
.add_xaxis(df[x_col].tolist())
.add_yaxis(
y_col, df[y_col].tolist(),
                is_smooth=True,
                areastyle_opts=opts.AreaStyleOpts(opacity=0.3),
                linestyle_opts=opts.LineStyleOpts(width=3)
            )
.set_global_opts(
                title_opts=opts.TitleOpts(title=title),
                tooltip_opts=opts.TooltipOpts(trigger="axis"),
                toolbox_opts=opts.ToolboxOpts(is_show=True),
                datazoom_opts=opts.DataZoomOpts()
            )
.set_colors(self.colors)
        )
        return chart
  
def generate_bar(self, df, x_col, y_col, title):
"""交互式柱状图"""
        data = df.groupby(x_col)[y_col].sum()
      
        chart = (
Bar()
.add_xaxis(data.index.tolist())
.add_yaxis(
y_col, data.values.tolist(),
                itemstyle_opts=opts.ItemStyleOpts(
                    color=self.colors[0]
                )
            )
.set_global_opts(
                title_opts=opts.TitleOpts(title=title),
                tooltip_opts=opts.TooltipOpts(trigger="axis"),
                toolbox_opts=opts.ToolboxOpts(is_show=True)
            )
        )
        return chart
  
    def generate_dashboard(self, charts, output_path="dashboard.html"):
"""生成仪表盘"""
        page = Page(layout=Page.SimplePageLayout)
      
        for chart in charts:
page.add(chart)
      
page.render(output_path)
        print(f"交互式图表已生成：{output_path}")

五、完整流程整合

复制代码

def create_report(excel_path, api_key, output_format="static"):
"""生成数据分析报告"""
print("开始生成报告...")
  
# 1. 读取数据
    df = pd.read_excel(excel_path)
    print(f"✅ 数据读取完成，{len(df)}行 × {len(df.columns)}列")
  
# 2. 分析数据特征
    analyzer = DataAnalyzer()
    features = analyzer.analyze(df)
    summary = analyzer.get_summary()
print("✅ 数据分析完成")
  
# 3. AI推荐图表
    recommender = ChartRecommender(api_key)
    chart_config = recommender.recommend(summary)
    print(f"✅ AI推荐{len(chart_config['charts'])}个图表")
  
# 4. 生成图表
    if output_format == "static":
        generator = StaticChartGenerator(chart_config.get('color_scheme', 'business'))
generator.generate(df, chart_config, "report.png")
else:
        generator = InteractiveChartGenerator(chart_config.get('color_scheme', 'business'))
        charts = []
        for config in chart_config['charts']:
            if config['type'] == 'line':
charts.append(generator.generate_line(df, config['x_col'], config['y_col'], config['title']))
            elif config['type'] == 'bar':
 
...(truncated)...