Csv To Chart — CSV 转图表

CSV 到图表 使用时机： （1）用户粘贴或上传 CSV 数据并要求生成图表、图形或可视化。 （2）用户想要“绘制”或“可视化”表格数据。 （3）用户提供数据并说“制作图表”、“显示为图形”或“可视化此数据”。

核心位置 此技能解决以下特定问题：用户具有表格 CSV 数据，需要可视化图表，而不是原始数字。 此技能不是： 数据转换工具（使用 csv-to-task 进行行级操作） 报告工具 —— 它生成可视化输出，而不是书面报告 仅通过“分析此数据”激活 —— 必须涉及图表/可视化意图 此技能仅在以下情况下激活：图表/图形/可视化意图 + CSV 数据均存在。

模式 /csv-to-chart 默认模式。读取 CSV 数据并输出图表规范或直接渲染图表。 使用时机：用户提供 CSV 并明确要求图表、绘制、图形或可视化。 /csv-to-chart/suggest 根据数据结构建议最合适的图表类型，而不生成图表。 使用时机：用户不确定哪种图表类型适合其数据。

执行步骤 步骤 1 — 解析 CSV 接收 CSV 输入（粘贴文本、文件附件或路径） 检测标题行 —— 第一行成为列名 检测列类型： 数字 → 候选 Y 轴/值 日期/日期时间 → 候选 X 轴/时间序列 文本/类别 → 候选标签/类别 如果 CSV 格式不正确（列不均匀、无标题），则响应特定修复请求

步骤 2 — 选择图表类型 根据数据形状选择最合适的图表： 数据形状 推荐图表 1 个数字列 + 1 个类别列 条形图（垂直或水平） 2+ 个数字列，1 个类别列 分组/堆叠条形、线 1 个时间序列数字列 线图 2 个数字列（相关性） 散点图 比例和为 100% 饼图/环形图 单个数字列 直方图 3+ 个数字列，多行 热图或雷达图 如果用户指定了图表类型，则验证它是否适用于数据；如果不匹配，则警告。

步骤 3 — 生成图表 使用适合上下文的库生成图表： Python：matplotlib 或 plotly JavaScript：chart.js 或 plotly.js Markdown/mermaid：mermaid 流程图（用于简单数据） 输出完整的可运行代码块，包括图表。包括轴标签、标题和图例。

步骤 4 — 验证输出 验证图表渲染无错误 确认 X 和 Y 轴与数据列匹配 确保没有数据截断或混乱

强制规则 不假设列含义来自位置 —— 始终使用标题 不强行将饼图应用于具有 >7 个类别的数据 不默默截断数据行 —— 如果 >500 行则警告 不在图表渲染代码中嵌入 API 密钥 状态图表类型被生成以及为什么它适合数据 保留原始列名和数据类型 显式处理缺失值（跳过、零填充或注释） 添加清晰的标题和轴标签

质量标准 一个好的输出： 图表类型与数据形状和用户意图匹配 所有列都正确映射到轴 代码无需修改即可运行并渲染可见图表 处理缺失值和边缘情况 一个坏的输出： 渲染与数据无关的图表类型（例如，对于 50 个类别的饼图） 将数据放置在错误的轴上（类别在 Y，数字在 X） 默默丢弃或重新排序行 代码块缺少依赖项或导入

好与坏示例 场景 坏输出 好输出 月度销售数据 以年为 Y 轴的线图 以月为 X，销售额为 Y，标有轴的线图 产品类别 具有 20 个切片的饼图 前 10 个 + “其他”的水平条形图 两个数字列 没有上下文的静态图像 带有轴标签和趋势线的散点图 具有缺失值的 CSV 默默丢弃行 “注意：由于缺失 Q3 销售额，省略了 3 行；视为 0”

参考 references/ —— 图表类型决策树，plotly/matplotlib/chart.js 代码模板